MODEL ANTRIAN SATU SERVER DENGAN POLA KEDATANGAN

BERKELOMPOK ( BATCH ARRIVAL )

SKRIPSI
Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Negeri Yogyakarta
untuk memenuhi sebagian persyaratan
guna memperoleh gelar Sarjana Sains

Oleh
Anaviroh
NIM. 07305144027

JURUSAN PENDIDIKAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI YOGYAKARTA
2011

MODEL ANTRIAN SATU SERVER DENGAN POLA KEDATANGAN

BERKELOMPOK ( BATCH ARRIVAL )

SKRIPSI
Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Negeri Yogyakarta
untuk memenuhi sebagian persyaratan
guna memperoleh gelar Sarjana Sains

Oleh
Anaviroh
NIM. 07305144027

JURUSAN PENDIDIKAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI YOGYAKARTA
2011

ii

iii
Anaviroh

PERNYATAAN

Yang bertanda tangan di bawah ini saya:

NAMA

: ANAVIROH

NIM

: 07305144027

JURUSAN

: PENDIDIKAN MATEMATIKA

JUDUL SKRIPSI

: MODEL ANTRIAN SATU SERVER DENGAN

POLA KEDATANGAN BERKELOMPOK ( BATCH ARRIVAL ).

Menyatakan bahwa karya ilmiah ini adalah hasil pekerjaan saya sendiri dan
sepanjang pengetahuan saya tidak berisi materi yang dipublikasikan atau ditulis
oleh orang lain atau telah digunakan sebagai persyaratan studi di perguruan
tinggi lain kecuali pada bagian-bagian tertentu saya ambil sebagai acuan. Apabila
terbukti pernyataan saya ini tidak benar, maka sepenuhnya menjadi tanggung
jawab saya, dan saya bersedia menerima sanksi sesuai peraturan yang berlaku.

Yogyakarta, 25 Maret 2011

Anaviroh
NIM. 07305144027

iv
Anaviroh

MOTTO

Dengan menyebut nama Allah Yang Maha Pemurah lagi Maha Penyayang
sungguh langkah yang berat ini terasa ringan karena-Mu.
Doa dan usaha adalah kekuatan terdahsyat yang membawa kita menuju
kesuksesan
Jangan membelenggu diri kita dengan pikiran yang rumit.
( Sahid, M.Sc )
Jadikan keberhasilan orang lain sebagai motivasi kita, tetapi tidak perlu
memaksa diri untuk bekerja berdasarkan target orang lain, bekerjalah
berdasarkan kemampuan dan target kita sendiri.
Boleh jadi kita membenci sesuatu, padahal ia amat baik bagi kita, dan boleh
jadi pula kita menyukai sesuatu, padahal ia amat buruk bagi kita.
Allah Maha Tau, sedangkan kita tidak mengetahui itu.
( QS. Al Baqarah : 216 )

Mintalah pertolongan kepada Allah dengan sabar dan salat, sesungguhnya

Allah beserta orang orang yang sabar.
( QS. Al Baqarah : 153 )

v
Anaviroh

PERSEMBAHAN

Karya kecil ini aku persembahkan untuk:

Ayah dan Bunda tercinta,
Terima kasih atas doa dan dukungan selama ini.
Bang U.un yang selalu menginspirasiku,
tanpa lelah selalu memberiku semangat.
Sahabat sahabatku:
Erlin, Khrisna, Wulan, Desti, Indah, Anas, Tina, Arin dan teman teman
seperjuangan mat swa & sub 07 .
Tak lupa juga untuk tim futsal.ku Sparkling

vi
Anaviroh

MODEL ANTRIAN SATU SERVER DENGAN POLA KEDATANGAN

BERKELOMPOK ( BATCH ARRIVAL )

Oleh
Anaviroh
NIM. 07305144027

ABSTRAK
Antrian dapat terjadi karena banyaknya customer yang membutuhkan
pelayanan melebihi kapasitas pelayanan. Pola kedatangan customer ke dalam
sistem antrian ada dua macam, yaitu customer datang secara individu dan
sekelompok customer yang datang secara bersamaan pada satu waktu ke dalam
sistem antrian. Pola kedatangan yang kedua ini disebut dengan batch/ bulk
arrival. Pada skripsi ini akan dibahas tentang antrian dengan pola kedatangan
berkelompok, tujuannya untuk mengetahui ukuran keefektifan pada sistem antrian
ini.
Antrian yang akan dibahas adalah antrian dengan pola kedatangan
berkelompok yang memiliki satu server dengan satu garis antrian yang melayani
customer satu per satu. Pola kedatangan pada antrian ini berdistribusi Poisson dan
pola pelayanan berdistribusi Eksponensial dengan disiplin antrian FIFO ( First In
First Out ). Pada pembahasan dilakukan penurunan formula untuk mendapatkan
ukuran keefektifan sistem antrian yang digunakan untuk menganalisis masalah
antrian pada contoh implementasi. Kemudian hasil analisis yang diperoleh
dibandingkan dengan penyelesaian menggunakan software WINQSB. Sebagai
implementasi diberikan ilustrasi kasus antrian pada perekaman Surat
Pemberitahuan / SPT disuatu kantor pajak. Sistem antrian pada kasus ini adalah
beberapa berkas SPT yang telah disortir lalu diserahkan sekaligus kepada seorang
staf yang bertugas, kemudian SPT direkam satu per satu.
Model antrian satu server dengan pola kedatangan berkelompok yang
berdistribusi Poisson dan waktu pelayanan berdistribusi Eksponensial dinotasikan
dengan
  //1, dengan  adalah variabel acak yang menyatakan ukuran
kelompok. Sebagai dasar untuk memperoleh ukuran keefektifan pada model
antrian ini adalah dengan menentukan probability generating function (PGF) dari
banyaknya customer dalam sistem . Ukuran keefektifan pada model antrian ini
antara lain: nilai harapan banyaknya customer dalam sistem

, nilai harapan
banyaknya customer dalam antrian
 , nilai harapan waktu tunggu customer
dalam sistem

, dan nilai harapan waktu tunggu customer dalam antrian
 .
Hasil analisis data pada contoh implementasi model antrian ini baik menggunakan
formula maupun software WINQSB menunjukkan hasil yang sama, yaitu
diperoleh ukuran keefektifan:
66 SPT,  65 SPT, 
2,58 jam, dan

2,5 jam.

vii
Anaviroh

KATA PENGANTAR
Puji dan syukur kehadirat Tuhan Yang Maha Esa yang telah melimpahkan
rahmat dan hidayahNya, sehingga penulisan tugas akhir skripsi yang berjudul
Model Antrian Satu Server dengan Pola Kedatangan Berkelompok (Batch
Arrival) ini dapat diselesaikan.
Penulisan skripsi ini tidak lepas dari bantuan berbagai pihak, oleh karena
itu dalam kesempatan ini penulis mengucapkan terima kasih kepada:
1. Bpk. Dr. Ariswan selaku Dekan FMIPA Universitas Negeri Yogyakarta,
yang telah memberikan kesempatan kepada penulis untuk menyelesaikan
studi.
2. Bpk. Suyoso, M.Si selaku Pembantu Dekan I FMIPA Universitas Negeri
Yogyakarta, yang telah memberikan kemudahan dalam pengurusan
administrasi selama penulisan skripsi.
3. Bpk. Dr. Hartono selaku Ketua Jurusan Pendidikan Matematika FMIPA
Universitas Negeri Yogyakarta, yang telah memberikan kemudahan dalam
pengurusan administrasi selama penulisan skripsi.
4. Ibu. Atmini Dhoruri, M.S selaku Ketua Program Studi Matematika, yang
telah memberikan pengarahan dalam penyusunan tugas akhir skripsi.
5. Bpk. Mustofa, S.Si selaku Penasehat Akademik, yang telah memberikan
informasi dan pengarahan selama penulis menempuh kuliah.
6. Ibu. Retno Subekti, M.Sc

selaku Dosen Pembimbing, yang telah

memberikan pengarahan, nasehat, dan motivasi dalam menyusun skripsi.

viii
Anaviroh

7. Bpk. Dr. Sugiman selaku Dosen Penguji, yang telah memberikan saran
saran dalam penulisan skripsi.
8. Ibu. Kismiantini, M.Si selaku Dosen Penguji, yang telah memberikan
saran saran dalam penulisan skripsi.
9. Bpk. Tuharto, M.Si selaku Dosen Penguji, yang telah memberikan saran
saran dalam penulisan skripsi.
10. Seluruh dosen Jurusan Pendidikan Matematika FMIPA Universitas Negeri
Yogyakarta, yang telah memberikan ilmu kepada penulis.
11. Semua pihak terkait yang tidak dapat penulis sebutkan satu persatu yang
telah membantu dalam penyelesaian skripsi ini.
Penulis menyadari bahwa skripsi ini belum sepenuhnya sempurna, untuk
itu penulis menerima saran dan kritik yang bersifat membangun. Semoga skripsi
ini dapat memberikan manfaat.

Yogyakarta, 13 April 2011

Anaviroh

ix
Anaviroh

DAFTAR ISI

HALAMAN JUDUL ................................................................................. i

HALAMAN PERSETUJUAN ................................................................. ii
HALAMAN PENGESAHAN .................................................................. iii
HALAMAN PERNYATAAN ................................................................ iv
HALAMAN MOTTO ............................................................................. v
HALAMAN PERSEMBAHAN .............................................................. vi
ABSTRAK ............................................................................................. vii
KATA PENGANTAR ........................................................................... viii
DAFTAR ISI ............................................................................................. x
DAFTAR SIMBOL ................................................................................. xii
DAFTAR TABEL ................................................................................. xiii
DAFTAR GAMBAR ............................................................................ xiv
DAFTAR LAMPIRAN .......................................................................... xv
BAB I. PENDAHULUAN
A. Latar Belakang Masalah .............................................................. 1
B. Rumusan Masalah ....................................................................... 3
C. Tujuan ......................................................................................... 3
D. Manfaat ....................................................................................... 4
BAB II. LANDASAN TEORI
A. Proses Antrian ............................................................................. 5
1. Definisi Proses Antrian.......................................................... 5
2. Komponen dasar dalam Proses Antrian ................................. 7
B. Notasi Kendall .......................................................................... 14
C. Proses Kelahiran dan Kematian (Birth Death Processes) ........ 15
D. Distribusi Eksponensial dan Distribusi Poisson ......................... 24
E. Distribusi Kedatangan ............................................................... 26
F. Distribusi Kepergian ................................................................. 33
G. Proses Kedatangan dan Kepergian Steady State ......................... 39
H. Probability Generating Function ( PGF ) .................................. 42
I. Ukuran Keefektifan Sistem Antrian ........................................... 44

x
Anaviroh

J. Model Antrian
//1 .......................................................... 46

K. Penggunaan Software WINQSB ................................................. 53
BAB III. PEMBAHASAN
A. Pola Kedatangan Berkelompok (Batch Arrival) ......................... 55
B. Proses Kedatangan dan Kepergian
pada Sistem Antrian   //1 .................................................. 58
C. Solusi Steady State Model Antrian   //1.............................. 61
D. Ukuran Keefektifan Sistem Antrian  //1 ........................... 69
E. Implementasi............................................................................. 79
BAB V. PENUTUP
A. Simpulan ................................................................................... 91
B. Saran ......................................................................................... 92
DAFTAR PUSTAKA ............................................................................. 94
LAMPIRAN ........................................................................................... 96

xi
Anaviroh

DAFTAR SIMBOL


 : Peluang terdapat  customer dalam sistem pada saat .



: Jumlah customer dalam sistem antrian.

  : Probabilitas satu kedatangan bila dalam sistem terdapat  customer.



: Laju kedatangan customer bila dalam sistem terdapat  customer.

  : Probabilitas satu kepergian bila dalam sistem terdapat  customer.



: Laju pelayanan customer bila dalam sistem terdapat  customer.


 : Banyaknya kedatangan customer pada waktu .


 : Banyaknya kepergian customer pada waktu .

 : Banyaknya customer dalam sistem sampai waktu .


: Faktor utilitas sistem atau peluang server sibuk.


: Suatu fungsi yang memenuhi lim

!



: Nilai harapan banyak customer dalam sistem.

: Nilai harapan banyak customer dalam antrian.

: Nilai harapan waktu tunggu customer dalam sistem.

: Nilai harapan waktu tunggu customer dalam sistem

#$

#$

: Rata rata ukuran kelompok yang masuk ke dalam sistem antrian.

: Laju kedatangan customer, dengan tiap kedatangan berukuran #$

xii
Anaviroh

DAFTAR TABEL

Tabel 2.1 Simbol Simbol Pengganti Notasi Kendall-Lee ...................... 15

Tabel 2.2 Kemungkinan Kejadian terdapat  Customer dalam
Sistem pada saat  %  ........................................................... 20
Tabel 2.3 Ukuran Keefektifan pada Model Antrian
//1 ................ 53
Tabel 3.1 Kemungkinan terdapat  Customer dalam Sistem Antrian
dengan Pola Kedatangan Berkelompok pada Saat  %  ......... 59
Tabel 3.2 Kemungkinan terdapat  0 Customer dalam Sistem Antrian
dengan Pola Kedatangan Berkelompok pada Saat  %  .......... 60
Tabel 3.3 Ukuran Keefektifan pada Model Antrian
 //1 .............. 79
Tabel 3.4 Ukuran Kelompok dan Waktu Antar Kedatangan
tiap Kelompok .......................................................................... 81
Tabel 3.5 Lama Waktu Pelayanan Perekaman SPT .................................. 84
Tabel 3.6 Output Penyelesaian Masalah Antrian pada Model
&' //1
dengan WINQSB ...................................................................... 90

xiii
Anaviroh

DAFTAR GAMBAR
Gambar 2.1 Sistem Antrian ........................................................................ 6
Gambar 2.2 Sistem Antrian Single Chanel Single Phase ......................... 9
Gambar 2.3 Sistem Antrian Single Chanel Multi Phase ......................... 10
Gambar 2.4 Sistem Antrian Multi Chanel Single Phase ......................... 10
Gambar 2.5 Sistem Antrian Multi Chanel Multi Phase ......................... 11
Gambar 2.6 Proses Kedatangan dan Kepergian
dalam Suatu Sistem Antrian ................................................. 19
Gambar 2.7 Sistem Antrian //1 ....................................................... 47
Gambar 3.1 Sistem Antrian   //1 ..................................................... 56
Gambar 3.2 Diagram Laju Transisi Sistem Antrian   //1 ................. 59

xiv
Anaviroh

DAFTAR LAMPIRAN

Lampiran 1. Hasil Generate Data .................................................................... 96

Lampiran 2. Uji Kesesuaian Distribusi Kedatangan Customer dan Waktu
Pelayanan Customer Menggunakan One Sample Kolmogorov
Smirnov Test............................................................................... 98
Lampiran 3. Tampilan Langkah-Langkah Penggunaan WINQSB

xv
Anaviroh

BAB I
PENDAHULUAN

A. LATAR BELAKANG MASALAH

Manusia sebagai makhluk sosial, tidak akan terlepas dari peran serta
orang lain dalam kehidupan. Pada kondisi tertentu manusia pasti
membutuhkan jasa orang lain dalam memenuhi kebutuhan hidup, dan untuk
mendapatkannya terkadang mengharuskan untuk menunggu terlebih dulu.
Hal tersebut sangat mungkin terjadi, karena banyak orang yang membutuhkan
jasa yang sama dalam waktu yang bersamaan pula. Kondisi tersebut sering
terlihat dalam kehidupan sehari-sehari, seperti orang menunggu untuk
mendapatkan tiket kereta api, menunggu pesanan di rumah makan, mengantri
di kasir sebuah swalayan, dan mobil yang menunggu giliran untuk dicuci.
Kenyataannya menunggu adalah bagian dari kehidupan sehari-hari, dan
yang dapat diharapkan adalah dapat mengurangi ketidaknyamanan tersebut.
Sesuatu yang sangat diharapkan adalah ketika dapat memperoleh jasa tanpa
harus menunggu terlalu lama. Individu individu yang menunggu
(komponen, produk, kertas kerja, orang) bertujuan untuk mendapatkan suatu
layanan. Pada proses menunggu untuk mendapatkan layanan tersebut
menimbulkan suatu garis tunggu, dan pada garis tunggu tersebut
diprediksi karakteristik karakteristiknya.

1
Anaviroh

dapat

Sehingga dapat dijadikan dasar pengambilan kepustusan agar tercapai

kondisi yang lebih baik, misalnya agar tidak terjadi antrian yang
berkepanjangan.
Menurut Sinalungga (2008:238), Teori antrian (Queueing Theory)
merupakan studi probabilistik kejadian garis tunggu (waiting lines), yakni
suatu garis tunggu dari customer yang memerlukan layanan dari sistem yang
ada. Antrian terjadi karena adanya keterbatasan sumber pelayanan, yang
umumnya berkaitan dengan terbatasnya server karena alasan ekonomi. Jika
jumlah server yang disediakan terbatas, memungkinkan terjadi antrian yang
terlalu lama, sehingga orang dapat memutuskan untuk meninggalkan antrian
tersebut. Hal ini merupakan suatu kerugian bagi pihak perusahaan, karena
kehilangan customer. Agar tidak kehilangan customer, maka pihak
perusahaan harus menyediakan server yang mencukupi, tetapi dilain pihak
perusahaan harus mengeluarkan biaya yang lebih besar.
Menurut Wospakrik (1996:302), sistem antrian adalah himpunan
customer, server beserta aturan yang mengatur antara kedatangan customer
dan pelayanannya. Salah satu komponen dari sistem antrian adalah pola
kedatangan customer. Tipe kedatangan ada dua macam, yaitu customer tiba
dalam sistem antrian secara individu pada satu waktu dan sekelompok
customer yang datang bersamaan pada satu waktu. Dalam masalah antrian
biasa diasumsikan bahwa customer tiba di suatu fasilitas layanan secara
individu. Namun asumsi tersebut terbantahkan dalam beberapa situasi di
dunia nyata, misalnya surat yang tiba di kantor pos, orang-orang pergi ke

Anaviroh

rumah makan atau ke bioskop adalah beberapa contoh keadaan dimana

customer tidak datang sendiri sendiri, tetapi secara berkelompok dalam satu
waktu. Tentu saja kondisi ini berbeda dengan antrian yang kedatangannya
secara individu, misalnya waktu tunggu customer, dan kesibukan sistem tidak
akan sama.
Dalam tugas akhir ini akan dibahas mengenai antrian dengan pola
kedatangan berkelompok (batch arrival). Penelusuran rumus dimulai dengan
menganalisis sistem antrian dengan satu server. Menurut Dharma (2001:39),
sistem ini banyak ditemui dalam sistem komunikasi. Tujuan pembahasan ini
untuk memperoleh beberapa karakteristik yang dapat mengukur kinerja/
keefektifan sistem antrian. Pada model antrian batch arrival dengan satu
server, diharapkan server mampu mengakomodasi jumlah antrian unit yang
lebih dari satu, yang masuk ke dalam sistem antrian dalam waktu bersamaan.
Sehingga diharapkan unit tidak menunggu terlalu lama. Dengan demikian
akan dibangun konstruksi model antrian yang sesuai dengan kondisi tersebut.

A. RUMUSAN MASALAH
Berdasarkan latar belakang masalah maka permasalahan dapat
dirumuskan sebagai berikut:
1. Bagaimana model dari sistem antrian satu server dengan pola kedatangan
berkelompok (batch arrival)?
2. Bagaimana ukuran keefektifan dari model antrian satu server dengan
pola kedatangan berkelompok (batch arrival)?

Anaviroh

3. Bagaimana implementasi model antrian satu server dengan pola

kedatangan berkelompok (batch arrival)?

B. TUJUAN
Dengan mengacu pada latar belakang masalah dan rumusan masalah,
maka tujuan dari penulisan ini adalah:
1. Menjelaskan tingkah laku dari model sistem antrian satu server dengan
pola kedatangan berkelompok (batch arrival).
2. Menjelaskan ukuran keefektifan dari model antrian satu server dengan
pola kedatangan berkelompok (batch arrival).
3. Menjelaskan implementasi model antrian satu server dengan pola
kedatangan berkelompok (batch arrival).

C. MANFAAT
Penulisan tugas akhir ini diharapkan dapat memberikan manfaat
sebagai berikut:
1. Bagi pembaca memberikan gambaran mengenai model antrian satu
server dengan pola kedatangan berkelompok (batch arrival).
2. Bagi

perpustakaan

jurusan

pendidikan

matematika

memberikan

tambahan referensi tentang kajian teori antrian.

3. Bagi instansi dapat dijadikan pertimbangan sebagai dasar pengambilan
keputusan dalam pengoptimalan server.

Anaviroh

BAB II
LANDASAN TEORI

Pada bab ini akan diuraikan tentang dasar dasar yang diperlukan dalam
pembahasan

model

antrian

dengan

pola

kedatangan

berkelompok.

Pembahasannya mencakup tentang model antrian dengan pola kedatangan secara

individu yang berdistribusi Poisson dan waktu pelayanan berdistribusi
Eksponensial.
A. Proses Antrian
1. Definisi Proses Antrian
Menurut Bronson (1996: 310), proses antrian merupakan proses
yang berhubungan dengan kedatangan customer pada suatu fasilitas
pelayanan, menunggu panggilan dalam baris antrian jika belum mendapat
pelayanan dan akhirnya meninggalkan fasilitas pelayanan setelah
mendapat pelayanan. Proses ini dimulai saat customer customer yang
memerlukan pelayanan mulai datang. Mereka berasal dari suatu populasi
yang disebut sebagai sumber input.
Menurut Hillier dan Lieberman (1980: 401), proses antrian adalah
suatu proses yang berhubungan dengan kedatangan customer ke suatu
sistem antrian, kemudian menunggu dalam antrian hingga pelayan
memilih customer sesuai dengan disiplin pelayanan, dan akhirnya
customer meninggalkan sistem antrian setelah selesai pelayanan.

5
Anaviroh

Sistem antrian adalah himpunan customer, pelayan, dan suatu

aturan yang mengatur kedatangan para customer dan pelayanannya.
Sistem antrian merupakan proses kelahiran kematian dengan suatu
populasi yang terdiri atas para customer yang sedang menunggu
pelayanan atau yang sedang dilayani. Kelahiran terjadi jika seorang
customer memasuki fasilitas pelayanan, sedangkan kematian terjadi jika
customer meninggalkan fasilitas pelayanan. Keadaan sistem adalah
jumlah customer dalam suatu fasilitas pelayanan. (Wospakrik, 1996 :
302)

Gambar 2.1 Sistem Antrian

1. Komponen Dasar dalam Proses Antrian

Menurut Taha (1997:609), suatu sistem antrian bergantung pada
tujuh komponen yaitu pola kedatangan, pola kepergian, kapasitas sistem,
desain pelayanan, disiplin pelayanan, ukuran sumber pemanggilan, dan
perilaku manusia. Komponen komponen tersebut diuraikan sebagai
berikut.
a. Pola Kedatangan
Menurut Wagner (1972:840), pola kedatangan adalah pola
pembentukan antrian akibat kedatangan customer dalam selang waktu
tertentu. Pola kedatangan dapat diketahui secara pasti atau berupa
suatu variabel acak yang distribusi peluangnya dianggap telah
diketahui.
Jika tidak disebutkan secara khusus customer datang secara
individu ke dalam sistem antrian. Namun dapat pula lebih dari satu
customer datang secara bersamaan ke dalam sistem antrian, pada
kondisi ini disebut dengan bulk arrival (Taha, 1997:177).
b. Pola Kepergian
Pola kepergian adalah banyak kepergian customer selama
periode waktu tertentu. Pola kepergian biasanya dicirikan oleh waktu
pelayanan, yaitu waktu yang dibutuhkan oleh seorang pelayan untuk
melayani seorang customer. Waktu pelayanan dapat bersifat
deterministik dan dapat berupa suatu variabel acak dengan distribusi
peluang tertentu (Bronson, 1996 : 310).

Anaviroh

Waktu pelayanan bersifat deterministik berarti bahwa waktu

yang dibutuhkan untuk melayani setiap customer selalu tetap,
sedangkan waktu pelayanan yang berupa variabel acak adalah waktu
yang dibutuhkan untuk melayani setiap customer berbeda beda.
c. Kapasitas Sistem
Menurut Bronson (1996:310), kapasitas sistem adalah banyak
maksimum customer, baik customer yang sedang berada dalam
pelayanan maupun dalam antrian, yang ditampung oleh fasilitas
pelayanan pada waktu yang sama. Suatu sistem antrian yang tidak
membatasi banyak customer dalam fasilitas pelayanannya disebut
sistem berkapasitas tak berhingga, sedangkan suatu sistem yang
membatasi banyak customer dalam fasilitas pelayanannya disebut
sistem berkapasitas berhingga, jika customer memasuki sistem pada
saat fasilitas pelayanan penuh maka customer akan ditolak dan
meninggalkan sistem tanpa memperoleh pelayanan.
d. Desain Pelayanan
Menurut Sinalungga (2008:249), Desain sarana pelayanan dapat
diklasifikasikan dalam channel dan phase yang akan membentuk
suatu struktur antrian yang berbeda-beda. Channel menunjukkan
jumlah jalur untuk memasuki sistem pelayanan. Phase berarti jumlah
stasiun-stasiun pelayanan, dimana para langganan harus melaluinya
sebelum pelayanan dinyatakan lengkap. Ada empat model struktur
antrian dasar yang umum terjadi dalam seluruh sistem antrian:

Anaviroh

1. Single Chanel Single Phase

Single Chanel berarti bahwa hanya ada satu jalur untuk
memasuki sistem pelayanan atau ada satu pelayanan. Single phase
menunjukkan bahwa hanya ada satu stasiun pelayanan sehingga
yang telah menerima pelayanan dapat langsung keluar dari sistem
antrian. Contohnya antrian pada penjualan karcis kereta api yang
hanya dibuka satu loket.

Gambar 2.2 Sistem Antrian Single Channel Single Phase

2. Single Channel - Multi Phase
Multi phase berarti ada dua atau lebih pelayanan yang
dilaksanakn secara berurutan dalam phase-phase. Misalnya pada
antrian di laundry, pakaian pakaian setelah dicuci kemudian
dijemur lalu disetrika dan terakhir dikemas.

10

Gambar 2.3 Sistem Antrian Single Channel - Multi phase

3. Multi Chanel - Single Phase
Sistem multi chanel-single phase terjadi jika ada dua atau
lebih fasilitas pelayanan dialiri oleh suatu antrian tunggal. Sebagai
contoh adalah Sarana pelayanan nasabah di Bank.

Gambar 2.4 Sistem Antrian Multi Chanel Single Phase

4. Multi Chanel - Multi Phase
Sistem ini terjadi jika ada dua atau lebih fasilitas pelayanan
dengan pelayanannya lebih dari satu phase. Sebagai contoh adalah
pelayanan kepada pasien di rumah sakit dari pendaftaran, diagnosa,
tindakan medis sampai pembayaran. Setiap sistem-sistem ini

11

mempunyai beberapa fasilitas pelayanan pada setiap tahap,

sehingga lebih dari satu individu dapat dilayani pada suatu waktu.

Gambar 2.5 Sistem Antrian Multi Channel Multi Phase

e. Disiplin Pelayanan
Menurut Sinalungga (2008: 251), disiplin pelayanan adalah
suatu aturan yang dikenalkan dalam memilih customer dari barisan
antrian untuk segera dilayani. Adapun pembagian disiplin pelayanan
ialah:
1.

First come first served (FCFS) atau first in first out (FIFO),
suatu peraturan dimana yang akan dilayani ialah customer yang
datang terlebih dahulu. Contohnya antrian di suatu kasir sebuah
swalayan.

2.

Last come first served (LCFS) atau last in first out (LIFO)
merupakan antrian dimana yang datang paling akhir adalah yang
dilayani paling awal atau paling dahulu. Contohnya antrian pada
satu tumpukan barang digudang, barang yang terakhir masuk

Anaviroh

12

akan berada ditumpukkan paling atas, sehingga akan diambil

pertama.
3.

Service in random order (SIRO) atau pelayanan dalam urutan

acak atau sering dikenal juga random selection for services
(RSS), artinya pelayanan atau panggilan didasarkan pada
peluang secara random, tidak mempermasalahkan siapa yang
lebih dahulu tiba. Contohnya kertas kertas undian yang
menunggu untuk ditentukan pemenangnya, yang diambil secara
acak.

4.

Priority

service

(PS), artinya prioritas pelayanan diberikan

kepada mereka yang mempunyai prioritas paling tinggi

dibandingkan dengan mereka yang memiliki prioritas paling
rendah, meskipun yang terakhir ini sudah lebih dahulu tiba
dalam garis tunggu. Kejadian seperti ini bisa disebabkan oleh
beberapa hal, misalnya seseorang yang keadaan penyakit yang
lebih berat dibanding dengan orang lain dalam sebuah rumah
sakit.
f. Sumber Pemanggilan
Menurut Taha (1996:177), ukuran sumber pemanggilan adalah
banyaknya populasi yang membutuhkan pelayanan dalam suatu sistem
antrian. Ukuran sumber pemanggilan dapat terbatas maupun tak
terbatas. Sumber pemanggilan terbatas misalnya mahasiswa yang akan
melakukan registrasi ulang di suatu universitas, dimana jumlahnya

Anaviroh

13

sudah pasti. Sedangkan sumber pemanggilan yang tak terbatas

misalnya nasabah bank yang antri untuk menabung atau membuka
rekening baru, jumlahnya bisa tak terbatas.
g. Perilaku Manusia
Perilaku manusia merupakan perilaku perilaku yang
mempengaruhi suatu sistem antrian ketika manusia mempunyai peran
dalam sistem baik sebagai customer maupun pelayan. Jika manusia
berperan sebagai pelayan, dapat melayani customer dengan cepat atau
lambat sesuai kemampuannya sehingga mempengaruhi lamanya
waktu tunggu (Taha, 1996:178).
Menurut Gross dan Harris (1998:3), perilaku manusia dalam
sistem antrian jika berperan sebagai customer sebagai berikut.
1. Reneging mengGambarkan situasi dimana seseorang masuk dalam
antrian,

namun

belum

memperoleh

pelayanan,

kemudian

meninggalkan antrian tersebut.

2. Balking mengGambarkan orang yang tidak masuk dalam antrian
dan langsung meninggalkan tempat antrian.
3. Jockeying mengGambarkan situasi jika dalam sistem ada dua atau
lebih jalur antrian maka orang dapat berpindah antrian dari jalur
yang satu ke jalur yang lain.

Anaviroh

14

A. Notasi Kendall
Notasi baku untuk memodelkan suatu sistem antrian pertama kali

dikemukakan oleh D.G.Kendall dalam bentuk
//, dan dikenal sebagai

notasi kendall. Namun, A.M. Lee menambahkan simbol  dan  sehingga
menjadi
//// yang disebut notasi kendall-Lee (Taha, 1996:627).

Menurut Taha (1997:186), notasi Kendall-lee tersebut perlu ditambah

dengan simbol  . Sehingga karakteristik suatu antrian dapat dinotasikan

dalam format baku 
// : // . Notasi dari
sampai  tersebut

berturut turut menyatakan distribusi waktu antar kedatangan, distribusi

waktu pelayanan, jumlah server pelayanan, disiplin pelayanan, kapasitas

sistem, dan ukuran sumber pemanggilan. Notasi
sampai  dapat digantikan

dengan simbol simbol yang diberikan dalam tabel 2.1 berikut.

Tabel 2.1 Simbol Simbol Pengganti Notasi Kendall-Lee
Notasi

dan 

Simbol
M

, , 

Anaviroh

Keterangan
Markov menyatakan kedatangan dan
kepergian berdistribusi Poisson ( Waktu
antar kedatangan berdistribusi
Eksponensial).
Deterministik menyatakan waktu antar
kedatangan atau waktu pelayanan konstan
Waktu antar kedatangan atau waktu
pelayanan berdistribusi Erlang

GI

Distribusi independen umum dari

kedatangan ( atau waktu antar kedatangan )

Distribusi umum dari keberangkatan (atau

waktu pelayanan)

FCFS/FIFO
LCFS/LIFO
SIRO
PS
1, 2, 3,...

First Come First Served/ First In First Out

Last Come First Served/ Last In First Out

Service in random order

Priority service

15

B. Proses Kelahiran dan Kematian (Birth Death Processes)

Proses kedatangan dan kepergian dalam suatu sistem antrian
merupakan proses kelahiran dan kematian (birth death processes).
Kelahiran terjadi jika seorang customer memasuki sistem antrian dan
kematian terjadi jika seorang customer meninggalkan sistem antrian tersebut.
Menurut

Winston

(1994:115),

proses

kelahiran

dan

kematian

merupakan proses penjumlahan dalam suatu sistem dimana keadaan sistem

selalu menghasilkan  bilangan bulat positif. Keadaan sistem pada saat 

didefinisikan sebagai selisih antara banyaknya kelahiran dan kematian pada

saat . Dengan demikian, keadaan sistem pada saat  dalam suatu sistem
antrian yang dinotasikan dengan  , adalah selisih antara banyaknya

kedatangan dan kepergian pada saat .

Misal, banyaknya kedatangan customer pada saat  dinotasikan dengan

 dan banyaknya kepergian pada saat  dinotasikan dengan  , maka

banyaknya customer yang berada dalam sistem pada saat  adalah

     . Sedangkan peluang terdapat  customer dalam sistem

antrian pada saat  dinotasikan dengan    atau   .

Akan dicari peluang terdapat  customer dalam suatu sistem antrian

pada saat . Namun sebelumnya, diberikan definisi definisi yang digunakan

pada pembahasan selanjutnya.

Definisi 2.1 (Hogg dan Tanis, 2001:66) Kejadian  ,  , . .  dikatakan

kejadian kejadian yang saling asing jika     , ! ".

Anaviroh

16

Definisi 2.2 (Bain dan Engelhardt, 1992:9) Jika sebuah percobaan

 ,  , # , .. adalah kejadian yang mungkin terjadi pada ruang sampel S.

Fungsi peluang merupakan fungsi yang mengawankan setiap kejadian A

dengan bilangan real  dan  disebut peluang kejadian A jika
memenuhi ketentuan berikut.
1. 0  1
2. $ = 1

3. Jika  ,  , # , % adalah kejadian yang saling asing, maka

P( '  ' # ' % ) = P ( ( P ( ( P # ( P % ( *

Definisi 2.3 (Hogg dan Tanis, 2001 : 96) Kejadian A dan B dikatakan saling
bebas jika dan hanya jika

 + ,   . , .

Jika kejadian  dan , tidak memenuhi kondisi tersebut maka disebut kejadian
bergantung.

Definisi 2.4 (Ross, 1999 : 60) - merupakan suatu fungsi atas  dengan

ketentuan lim234

52
2

0

Definisi 2.5 (Purcell & Varberg, 1987 : 141)

 (    

234



   lim
Asal limit fungsinya ada

Teorema 2.1 (Bartle dan Sherbert, 2000 : 176-177) Misal  dan 7

didefinisikan pada 8
, 9, misal 
 7
 0, sehingga

Anaviroh

:;

<;

4
4

17

dikatakan indeterminate dan 7= ! 0 untuk
> = > . Jika  dan 7

terdeferensial di
dan 7? 
! 0 maka limit dari di
ada dan sama dengan

<
:

 ? 
7? 
. Sehingga

=  ? 

lim
 ? .
A3;B 7=
7 

Teorema tersebut disebut dengan aturan LHopital.

Bukti

Jika 
 7
 0 untuk
> = >  berlaku

=  

= =  

=



7= 7=  7
7=  7

=

Maka  ? = 7 ? = berdasarkan definisi (2.5) adalah

 =  

lim
= A3;B
 ? 

=

lim

 ?
A3;B 7=
7=  7
7 

lim
=

A3;B

Terbukti bahwa limA3;B <A  <C ; .

:A

: C ;

Menurut Wospakrik (1996:297), asumsi asumsi proses kelahiran dan

kematian dalam antrian sebagai berikut:
i)

Semua kejadian pada suatu interval waktu yang sangat pendek 

mempunyai probabilitas yang sama apabila sebanyak  customer berada

dalam sistem antrian, maka probabilitas sebuah kedatangan terjadi antara
 dan  ( , dinyatakan dengan :

 (    1  F  ( -

Anaviroh

18

F merupakan laju kedatangan.

ii) Probabilitas tidak ada kedatangan antara  dan  ( , dinyatakan

dengan:

 (    0  1  F  ( -

iii) Probabilitas ada satu kepergian antara  dan  ( , dinyatakan dengan:

 (    1  G  ( -

G merupakan laju pelayanan.

iv) Probabilitas tidak ada kepergian antara  dan  ( , dinyatakan

dengan:
 HI (   J  0K  1  G  ( -
v) Probabilitas terjadi lebih dari satu kejadian pada selang waktu yang
sangat pendek adalah sangat kecil sehingga dapat diabaikan, dapat
dinyatakan dengan:  (   L 1  -

vi) Proses kedatangan dan pelayanan merupakan kejadian yang saling bebas.
Berdasarkan asumsi (vi), kedatangan dan kepergian merupakan
kejadian kejadian yang saling bebas, sehingga kejadian kejaian pada
interval waktu tertentu tidak mempengaruhi kejadian pada interval waktu
sebelumnya atau kejadian pada interval waktu sesudahnya. Proses kedatangan
dan kepergian dalam suatu sistem antrian sesuai asumsi asumsi diatas
ditunjukkan pada Gambar 2.6 berikut.

Anaviroh

19

Gambar 2.6 Proses kedatangan dan kepergian dalam suatu sistem

antrian (Taha, 1991 : 622)
Berdasarkan Gambar 2.6 kemungkinan kemungkinan kejadian saling

asing yang dapat terjadi jika terdapat   L 0 customer dalam sistem pada

waktu  (  adalah sebagai berikut.

Tabel 2.2 Kemungkinan Kejadian terdapat  Customer dalam Sistem pada

Saat  ( 

Jumlah
Jumlah
Jumlah
Jumlah
Kepergian
Customer
Kedatangan
Customer
pada Waktu
pada Waktu
pada Waktu
pada Waktu
Kasus
(t)
(t+t)
(t)
(t)
1
n
0
0
n
2
n+1
0
1
n
3
n-1
1
0
n
4
n
1
1
n
Menurut asumsi (vi), kedatangan dan kepergian merupakan kejadian
kejadian yang saling bebas, sehingga peluang dari masing masing kejadian
tersebut adalah sebagai berikut.
1. Probabilitas Kasus 1 =   I1  N t ( ot J1  G  ( -
2.

Probabilitas Kasus 2  B  I1  NB t ( ot JGB  ( -

3. Probabilitas Kasus 3  Q  FQ  ( -  1  GQ  ( -

 FQ  ( - Q 

4. Probabilitas kasus 4 adalah - , sesuai dengan asumsi v

Anaviroh

20

Karena kasus kasus tersebut saling asing, maka probabilitas

terdapat n customer dalam sistem   R 1 pada saat   (  dinyatakan

dengan :

  (   P ( Kasus 1 atau Kasus 2 atau Kasus 3 atau Kasus 4 )

  (   Probabilitas Kasus 1 + Probabilitas Kasus 2 + Probabilitas

Kasus 3 + Probabilitas Kasus 4

  (     I1  N t ( ot J1  G  ( - (

B  I1  NB t ( ot JGB  ( - (

IFQ  ( - JQ  ( -
(2.1)

      F     G  ( B  GB  (

Q  FQ  ( -
(2.2)
Pada Persamaan (2.2) dikurangkan   pada ruas kanan dan kiri kemudian

dibagi dengan  maka didapatkan:

ST 2B2 QST 2
2

 Q  FQ ( B  GB    F    G (

52
2

(2.3)
Karena t sangat kecil dan mendekati nol, maka berdasarkan definisi 2.5
didapatkan:

Anaviroh

21

lim234

WST 2
W2

ST 2B2 QST 2
2

 lim234 UQ  FQ ( B  GB 

  F    G (

52
2

 Q  FQ ( B  GB    F    G

 F ( G   ( GB B  ( FQ Q 
(2.4)
Persamaan (2.4) merupakan dasar perhitungan probabilitas terdapat n

customer pada proses kedatangan murni dan kepergian murni, Persamaan

(2.4) disebut sebagai Persamaan Kolmogorov, untuk  R 1.

Selanjutnya akan dibahas secara khusus probabilitas terdapat 

customer untuk nilai   0. Pada saat jumlah customer dalam sistem adalah
nol, maka probabilitas terjadinya nol kepergian customer pada kasus 1 adalah
satu.
Probabilitas terdapat  customer, dengan   0 dalam waktu   (

 adalah

  (   P ( Kasus 1 atau Kasus 2 atau Kasus 4 )

  (  Probabilitas Kasus 1 + Probabilitas Kasus 2 + Probabilitas

Kasus 4

Anaviroh

22

  (     I1  N t ( ot J1 ( B  I1  NB t (

ot JGB  ( - ( -

Nilai   0 maka diperoleh

4  (   4  I1  4 t ( ot J1 ( P t I1   t (
ot JG  ( - ( -

 4  I1  4 t ( ot J ( P t  t ( ot

 4  4 t ( P t  t ( ot

4  (   4   4  4 t ( P t  t ( ot
(2.5)
Pada Persamaan (2.5) dikurangkan 4  pada ruas kanan dan kiri kemudian

dibagi dengan  maka didapatkan:

ot
4  (   4 
 P t   4  4 (

t

Karena t sangat kecil dan mendekati nol, maka berdasarkan definisi 2.5
didapatkan:
lim

234

4  (   4 
ot
 lim YP t   4  4 (
Z
234

t
WS[ 2
W2

(2.6)

Anaviroh

 P t   4  4 ,  0

23

Persamaan (2.4) dan (2.6) merupakan Persamaan Kolmogorov yang

digunakan sebagai dasar untuk menentukan peluang bahwa ada  customer

dengan nilai  R 1 dan   0 pada selang waktu

,  (  , dapat

diringkas sebagai berikut.

WST 2
W2

WST 2

_
]
^
]
\

W2

 F ( G   ( GB B  ( Q  FQ ,  R 1

WS[ 2
W2

 P t   4  4 , n  0

C. Distribusi Eksponensial dan Distribusi Poisson

1. Distribusi Eksponensial
Distribusi

Eksponensial

digunakan

untuk

mengGambarkan

distribusi waktu pada fasilitas jasa, dimana waktu pelayanan tersebut

diasumsikan bersifat bebas. Artinya, waktu untuk melayani pendatang
tidak bergantung pada lama waktu yang telah dihabiskan untuk melayani
pendatang sebelumnya, dan tidak bergantung pada jumlah pendatang yang
menunggu untuk dilayani.( Djauhari, 1997:175-176 )

Definisi 2.6 (Cooper, 1981:42) Jika X adalah variabel acak kontinu dengan
fungsi distribusi kumulatif b c =d  e =
e =  f

Anaviroh

1   QgA , untuk = R 0
0

, untuk lainnya

24

dan fungsi densitas peluang = 

=  G QgA , = R 0

WlA
WA

yaitu
2.7

Maka  disebut berdistribusi Eksponensial dengan paramer .

2. Distribusi Poisson
Suatu eksperimen yang menghasilkan jumlah sukses yang terjadi
pada interval waktu ataupun daerah yang spesifik dikenal sebagai
eksperimen Poisson. Interval waktu tersebut dapat berupa menit,
hari,minggu, bulan, maupun tahun, sedangkan daerah yang spesifik dapat
berarti garis, luas, sisi, maupun material. ( Dimyati, 1999:309 )
Menurut Dimyati, (1999:309) ciri-ciri eksperimen Poisson adalah :
a. Banyaknya hasil percobaan yang terjadi dalam suatu selang waktu
atau suatu daerah tertentu bersifat independen terhadap banyaknya
hasil percobaan yang terjadi pada selang waktu atau daerah lain yang
terpisah.
b. Peluang terjadinya satu hasil percobaan selama suatu selang waktu
yang singkat sekali atau dalam suatu daerah yang kecil, sebanding
dengan panjang selang waktu tesebut atau besarnya daerah tersebut.

Anaviroh

25

c. Peluang bahwa lebih dari satu hasil percobaan akan terjadi dalam
selang waktu yang singkat tersebut atau dalam daerah yang kecil
tersebut dapat diabaikan.
Definisi 2.7 (Djauhari, 1997:163) Variabel acak diskrit X dikatakan

berdistribusi Poisson dengan parameter o jika fungsi peluangnya sebagai

berikut.
  p 

 Qq F
p!

,p

 0,1,2,

2.8

D. Distribusi Kedatangan

Distribusi kedatangan berhubungan dengan peluang terdapat 

kedatangan customer dalam suatu sistem antrian pada interval waktu tertentu.
Kedatangan yang dimaksud dalam pembahasan ini adalah kedatangan murni,
yaitu kedatangan tanpa disertai kepergian, maka laju kepergian G  0, t R

(Dimyati, 1999 : 358 359).

Peluang terdapat   R 0 kedatangan pada waktu  dapat diperoleh

dengan mensubtitusikan G  0 dan F  F ke Persamaan (2.4) dan

Persamaan (2.6) sehingga diperoleh sebagai berikut.
4 


 F4 

 
 FQ   F  ,

L0

Anaviroh

2.9
2.10

26

Definisi 2.8 (Kreeyszig, 2003:33) Persamaan diferensial orde satu dapat

dinyatakan sebagai

v
( = v  w=
=

disebut Persamaan differensial linear dan mempunyai penyelesaian:

v   Q x SA WA (  Q x SA WA y w=  x SA WA =
Persamaan (2.9) dapat dinyatakan sebagai Persamaan differensial linear orde
satu dengan =  F dan w=  0. Maka penyelesaiannya adalah
4    Q x qW2
  Qq2

Diasumsikan bahwa proses kedatangan murni dimulai pada saat sistem

memiliki nol customer, sehingga peluang terdapat nol customer  

0 dalam sistem pada saat   0 adalah 1 dinotasikan dengan 4 0  1.

Peluang ada customer  L 0 pada   0 adalah 0, hal ini dapat

dituliskan sebagai berikut.

 0  z
(2.11)

1 ,   0a
0 , L 0

Dengan demikian
4 0   Qq.4  1
Anaviroh

27

Dan diperoleh   1 sehingga

4    Qq2

(2.12)
Jadi Persamaan (2.12) merupakan solusi untuk Persamaan (2.9).
Selanjutnya akan dicari solusi untuk Persamaan (2.10) sebagai berikut.
Berdasarkan definisi (2.8), Persamaan (2.10) dapat dinyatakan sebagai
Persamaan differensial linear orde satu dengan  =  F dan w= 

FQ  . Maka penyelesaiannya adalah

    Q x qW2 (  Q x qW2 y F x qW2 Q  

  Qq2

( F Qq2 y  q2 Q  

Untuk nilai   1 diperoleh

 

  Qq2 ( F Qq2 y  q2 4  

Persamaan (2.12) disubtitusikan ke Persamaan (2.14) diperoleh

    Qq2 ( F Qq2 y  q2  Qq2 

Anaviroh

2.13

2.14

28

  Qq2 ( F Qq2

(2.15)
Berdasarkan Persamaan (2.11) maka dari Persamaan (2.15) didapatkan
 0   Qq.4 ( F. 0.  Qq.4  0

Sehingga diperoleh nilai   0, maka Persamaan (2.15) menjadi

   F Qq2
(2.16)
Jadi Persamaan (2.16) adalah solusi Persamaan (2.10) untuk   1

Selanjutnya dicari solusi Persamaan (2.10) untuk   2 sebagai

berikut.

Untuk   2 Persamaan (2.13) menjadi

 

  Qq2 ( F Qq2 y  q2   
Persamaan (2.16) disubtitusikan ke Persamaan (2.17) didapatkan
    Qq2 ( F Qq2 y  q2 F Qq2 
  Qq2 ( F  Qq2 y 

Anaviroh

2.17

29

  Qq2
(

F  Qq2

2

2.18

Berdasarkan Persamaan (2.11) maka dari Persamaan (2.18) didapatkan

 0   Qq.4 (

q.4 }


 Qq.4  0

Sehingga diperoleh nilai   0, maka Persamaan (2.18) menjadi

 


F  Qq2

2

Jadi Persamaan (2.19) adalah solusi Persamaan (2.10) untuk   2

2.19

Dari Persamaan (2.12), (2.16) dan (2.19) dapat disimpulkan bahwa

solusi umum dari Persamaan (2.09) dan Persamaan (2.10) adalah
 

F  Qq2


!

2.20

Bukti bahwa Persamaan (2.20) adalah solusi umum dari Persamaan

(2.9) dan Persamaan (2.10) sebagai berikut.
Langkah langkah pembuktian dengan induksi matematika:
1. Persamaan (2.16) yaitu    F Qq2 membuktikan bahwa Persamaan
(2.20) merupakan penyelesaian Persamaan (2.10) untuk   1.

Anaviroh

30

2. Diasumsikan Persamaan (2.20) merupakan penyelesaian Persamaan

(2.10) untuk   p, maka   

q2 ~
!

 Qq2

3. Akan dibuktikan bahwa Persamaan (2.20) merupakan penyelesaian dari

Persamaan (2.10) untuk   p ( 1

Untuk   p ( 1, Persamaan (2.10) menjadi

 B 


 F 

 F B 

2.21

Asumsi 2 disubtitusikan ke Persamaan (2.21) sehingga menjadi

 B 


 F B

 Qq2

p!

 F B 

2.22

Persamaan (2.22) merupakan Persamaan differensial orde satu dengan

=  F dan w =  F B !  Qq2 , sehingga penyelesaiannya adalah
2~

 B    Q x qW2 (  Q x qW2 y F B
  Qq2 (  Qq2 y F B
  Qq2 (  Qq2 F B

Anaviroh

 Qq2 x qW2



p!

 Qq2 q2
  
p!

 B
p ( 1 !

31

  Qq2
(

F B Qq2

p ( 1 !

2.23

Berdasarkan Persamaan (2.11) maka dari Persamaan (2.23) didapatkan

 B 0  

Qq.4

F. 0 B Qq.4
(

0
p ( 1 !

Sehingga diperoleh nilai   0, maka Persamaan (2.23) menjadi

 B 


F B Qq2

p ( 1 !

2.24

Persamaan (2.24) merupakan penyelesaian dari Persamaan (2.10) untuk

  p ( 1 dan memenuhi Persamaan (2.20).
Jadi,   

q2 T
!

 Qq2 merupakan solusi umum dari Persamaan (2.9)

dan Persamaan (2.10). Dengan demikian, berdasarkan definisi (2.7) dapat

disimpulkan bahwa kedatangan customer berdistribusi Poisson.
Teorema 2.2 (Bronson, 1966:305) Jika kedatangan customer berdistribusi
Poisson maka waktu antar kedatangan customer berdistribusi Eksponensial.

Bukti:

Anaviroh

32

Berdasarkan uraian sebelumnya, diketahui bahwa kedatangan customer

berdistribusi Poisson.   L 0 adalah waktu antara   1 kedatangan

sampai  kedatangan. Barisan ,   1,2,3, . . merupakan barisan waktu

antar kedatangan yang saling asing dan saling bebas.
Ambil  yang merupakan waktu antara tidak ada customer dalam
sistem dan ketika ada kedatangan pertama. Akan ditunjukkan bahwa
 berdistribusi Eksponensial.

Ambil  >  , maka banyaknya kedatangan pada waktu  adalah nol,

artinya
  L   P( Tidak ada kedatangan selama waktu  )
 4 

Berdasarkan Persamaan (2.12), 4    Qq2 dengan o menyatakan laju

kedatangan rata rata, maka fungsi distribusi kumulatif dari  dengan  R 0

adalah
e   c 

 1   L 

 1  4 
1

  Qq2

Anaviroh

2.25

33

Berdasarkan definisi (2.6), Persamaan (2.25) merupakan fungsi

distribusi kumulatif dari distribusi Eksponensial yang secara umum ditulis
e  

, R 0

1   Qq2

, > 0

Sehingga fungsi densitas peluang dari  untuk  R 0 adalah

 F Qq2

Berdasarkan definisi (2.6), 

  

e


2.26

merupakan peubah acak yang

berdistribusi Eksponensial dengan parameter o. Sesuai dengan asumsi bahwa

barisan waktu antar kedatangan pada sistem antrian adalah saling bebas, maka

pembuktian diatas juga berlaku untuk b d,  L 0. Jadi terbukti bahwa waktu
antar kedatangan berdistribusi Eksponensial.
E. Distribusi Kepergian

Distribusi kepergian berhubungan dengan peluang terdapat  kepergian

customer dalam suatu sistem antrian pada interval waktu tertentu. Kepergian
yang dimaksud dalam pembahasan ini adalah kepergian murni, yaitu
kepergian yang tanpa disertai keatangan, sehingga laju kedatangan F 
0, t R 0.

Diasumsikan bahwa laju kepergian tidak tergantung pada banyaknya

customer yang berada dalam sistem, sehingga G  G, t R 0. Peluang

Anaviroh

34

terdapat  R 0 kepergian selama waktu  dapat diperoleh dengan

mensubtitusikan F  0 dan G  G ke Persamaan (2.4) dan Persamaan (2.6)

sehingga diperoleh
4 


 GB 

 
 G  ( GB  ,

L0

2.27
2.28

Akan ditunjukkan bahwa kepergian customer berdistribusi Poisson. Jika

jumlah customer dalam sistem antrian selama  adalah   , maka B 

0,  R  sehingga untuk  R  berlaku

 


 G 

Sedangkan untuk 0 >  >  berlaku

 


 G 

( GB  ,

2.29

2.30

Berdasarkan definisi (2.8), Persamaan (2.29) dan Persamaaan (2.30) dapat

dinyatakan sebagai Persamaan differensial orde satu. Sehingga penyelesaian
Persamaan (2.29) adalah

Anaviroh

35

    Q2 ,  R 

Diasumsikan bahwa proses kepergian murni dimulai   0 pada saat

sistem memiliki    customer dalam sistem. Sehingga peluang terdapat 

customer dalam sistem pada kondisi awal   0 dinotasikan  0 adalah

1. Jika 0 c  >  maka  0  0. Hal ini dapat dituliskan sebagai berikut.

 0  z

(2.31)

0
1

,0 c  >  a
,  

Dengan demikian,  0   Q.4  1

Maka diperoleh nilai   1, oleh karena itu didapatkan

    Q2

2.32

Selanjutnya akan dicari solusi untuk Persamaan (2.30) sebagai berikut.

Penyelesaian dari Persamaan (2.30) adalah
    Q2 ( G Q2 y  2 B  , 0 >  > 

2.33

Q    Q2 ( G Q2 y  2   

2.34

Untuk     1 maka

Subtitusi Persamaan (2.32) ke Persamaan (2.34) sehingga didapatkan

Q    Q2 ( G Q2 y  2  Q2 

Anaviroh

36

  Q2 ( G Q2

2.35

Berdasarkan Persamaan (2.31), maka

Q 0   Q.4 ( G. 0.  Q.4  0

Sehingga   0, maka Persamaan (2.35) menjadi

Q   G Q2

2.36

Q    Q2 ( G Q2 y  2 Q  

2.37

Untuk     2, Persamaan (2.35) menjadi

Persamaan (2.36) disubtitusikan ke Persamaan (2.37) sehingga diperoleh

Q    Q2 ( G Q2 y  2 G Q2 
  Q2 ( G Q2 y G

  Q2

G  Q2
(

2
Berdasarkan Persamaan (2.31) maka
Q 0   Q.4 (

G. 0  Q.4

0
2

Sehingga diperoleh   0, maka Persamaan (2.38) menjadi

Anaviroh

2.38

37

Q  

G  Q2

2

2.39

Dari Persamaan (2.32), (2.36) dan Persamaan (2.39) dapat disimpulkan

bahwa penyelesaian umum dari Persamaan (2.29) dan Persamaan (2.30)
adalah
  

G  Q2

!

Pembuktiannya analog pada pembuktian distribusi kedatangan yang telah

dibahas pada subbab sebelumnya. Jadi kepergian customer juga berdistribusi
Poisson, dengan parameter .
Teorema 2.3 (Wagner, 1978 : 850)
Jika kepergian customer berdistribusi Poisson maka waktu pelayanan
berdistribusi Eksponensial.
Bukti
Misal keadaan awal suatu sistem antrian sebanyak    customer

Ambil  sebagai waktu pelayanan pertama,  ,  L 1 menunjukkan waktu

pelayanan kepada customer ke  sehingga barisan b d dengan   1,2,3..

merupakan barisan waktu pelayanan yang saling asing dan saling bebas.
Akan ditunjukkan bahwa  berdistribusi Eksponensial. Ambil  >  ,

maka jumlah kepergian pada waktu  adalah nol, artinya

  L   P( Terdapat N customer pada waktu  )

Anaviroh

38

  

Berdasarkan Persamaan (2.32),     Q2 dengan G menyatakan laju

pelayanan rata rata, maka fungsi distribusi kumulatif dari  dengan  R 0

adalah
e   c 

 1   L 

 1   
1

2.40

  Q2

Berdasarkan definisi (2.6), Persamaan (2.40) merupakan fungsi

distribusi kumulatif dari distribusi Eksponensial yang secara umum ditulis
e   f

1   Q2

, R 0

, > 0

Sehingga fungsi densitas peluang dari  untuk  R 0 adalah

  

e
 G Q2


2.41

Berdasarkan definisi (2.6),  merupakan variabel acak yang

berdistribusi Eksponensial dengan parameter . Sesuai dengan asumsi bahwa

barisan waktu pelayanan pada sistem antrian adalah saling bebas, maka

Anaviroh

39

pembuktian diatas juga berlaku untuk b d,  L 0. Jadi terbukti bahwa waktu
pelayanan berdistribusi Eksponensial.
F. Proses Kedatangan dan Kepergian Steady state
Kondisi Steady state yaitu keadaan sistem yang tidak tergantung pada
keadaan awal maupun waktu yang telah dilalui. Jika suatu sistem antrian telah

mencapai kondisi steady state maka peluang terdapat  customer dalam

sistem pada waktu    ) tidak tergantung pada waktu (Ecker dan
Kupferschmid, 1988:394).
Kondisi steady state terjadi ketika

WST 2
W2

 0 dan lim23    

sehingga     untuk semua , artinya  tidak tergantung pada waktu.

Proses kedatangan dan kepergian pada pembahasan sebelumnya

menghasilkan Persamaan (2.4) dan Persamaan (2.6). Untuk memperoleh
kondisi steady state, Persamaan (2.4) dan Persamaan (2.6) disubtitusi dengan
WST 2
W2

 0 dan     , sehingga diperoleh Persamaan kesetimbangan

sebagai berikut.

0  F ( G  ( GB B ( Q FQ  R 1

0  P   4 4 , n  0

Atau
B 
P 

Anaviroh

F ( G  FQ

 , L 0
GB
GB Q
4

 4

,  0

2.42

2.43

2.44
2.45

40

Akan dicari penyelesaian umum dari Persamaan (2.42) dan (2.43)

Untuk   1 maka Persamaan (2.44) menjadi
 

F ( G  F4
 4
G
G

2.46

Selanjutnya Persamaan (2.45) disubtitusikan ke Persamaan (2.46) diperoleh

 


F ( G 4
F4
4  4

G
G

F4
F 4 (  4
4  4
 G
G

F 4

 G 4

Untuk   2 didapatkan
# 

F ( G  F
 
G#
G#

Selanjutnya akan dibuktikan bahwa penyelesaian umum dari Persamaan

(2.42) dan (2.43) adalah
 

FQ FQ F4

G GQ . . G 4


 4


FQ
,


2.47

Bukti dengan induksi matematika:

1. Telah dibuktikan pada Persamaan (2.42) bahwa Persamaan (2.47) berlaku
untuk   1 dan   2

2. Diasumsikan bahwa Persamaan (2.47) berlaku untuk   p maka

 

Anaviroh

F Q F Q F4

G G Q . . G 4

41

3. Akan dibuktikan Persamaan (2.47) berlaku untuk   p ( 1

 B 

F F Q F4

G B G . . G 4

Subtitusikan Persamaan (2.47) ke Persamaan (2.44), dengan   p ( 1

diperoleh
 B 

F B ( G B F F Q F4
F F Q F Q F4
4 

G B
G B G . . G
G B G G Q . . G 4

F B F F Q F4 4 G B F F Q F4 4
(
G B G B G . . G
G B G B G . . G

F B F F Q F4

G B G B G . . G 4

F F Q F Q F4

G B G G Q . . G 4

Jadi terbukti bahwa Persaman (2.47) berlaku untuk  p ( 1 .

2.48

Jadi Persamaan (2.47) menyatakan peluang terdapat  customer dalam

keadaan steady state  ,  L 0.

G. Probability Generating function (PGF)

Definisi 2.9 (Bain & Engelhardt, 1991:61) Jika X adalah suatu variabel

acak diskrit dengan fungsi peluang = maka nilai harapan dari X
didefinisikan sebagai
   ==

2.49

Definisi 2.10 (Purcell & Varberg, 1987: 49) Andaikan $= adalah
jumlah

sebuah

deret

b=|1 > = > 1d sehingga

Anaviroh

pangkat

pada

sebuah

selang

42

$ =  =   1 ( = ( =  ( *

2.50

4

Maka turunan pertama dari $= adalah


$= 
0 =

 = Q
=
=

4

2.51

Definisi 2.11 ( Purcell & Varberg, 1987 : 12 ) Deret geometri berbentuk

=  , dengan
! 0

4

akan konvergen dan mempunyai jumlah

$

Anaviroh

, apabila |=| > 1

=

43

Definisi 2.12 (Bunday, 1996:10) Jika N adalah suatu variabel acak diskrit
yang diasumsikan nilainya
 0,1,2,
dengan probabilitas  maka
probability generating function (PGF) dari N didefinisikan sebagai

 
  



   


2.52

Untuk z = 1, didapatkan


1
    1


2.53

Turunan pertama dari 

adalah


 
 
 


2.54

Sehingga


 1
 



Berdasarkan definisi (2.9) maka diperoleh



 1
 
   

Anaviroh



2.55

44

I. Ukuran Keefektifan Sistem Antrian

Menurut Taha (1997, 189:190), ukuran keefektifan suatu sistem antrian
dapat ditentukan setelah probabilitas steady state diketahui. Ukuran ukuran
keefektifan suatu sistem tersebut antara lain:
1. Nilai harapan banyaknya customer dalam sistem antrian 
.
2. Nilai harapan banyaknya customer dalam antrian 
.
3. Nilai harapan waktu tunggu dalam sistem antrian !
.
4. Nilai harapan waktu tunggu dalam antrian !
.
Sebelum membahas lebih lanjut, akan diuraikan lima definisi yang
mendukung pembahasan ukuran keefektifan suatu sistem.
Definisi 2.13 (Taha, 1993: 596). Jumlah customer dalam sistem adalah
jumlah customer dalam antrian ditambah jumlah customer yang sedang mendapat
layanan.
Definisi 2.14 (Taha, 1993: 596). Laju kedatangan efektif merupakan laju
kedatangan rata rata dalam waktu yang panjang. Laju kedatangan efektif
dinotasikan "#$$ dan dinyatakan dengan


"#$$   " 


Anaviroh

2.56

45

" merupakan laju kedatangan jika ada n customer dalam sistem, jika laju
kedatangan konstan untuk semua n, maka cukup ditulis dengan &.
(Dimyati,1999:353)
Definisi 2.15 (Dimyati, 2003: 373) Laju pelayanan rata-rata untuk seluruh
pelayan dalam sistem antrian adalah laju pelayanan rata-rata dimana customer
yang sudah mendapat pelayanan meninggalakan sistem antrian. Laju pelayanan
rata-rata untuk seluruh pelayan dinyatakan dengan .
Nilai harapan banyaknya customer dalam sistem antrian 
merupakan
jumlah dari perkalian keseluruhan customer dalam sistem dengan peluang
terdapat
customer (Ecker, 1988: 390), dinyatakan dengan


  



2.57

Nilai harapan banyaknya customer dalam antrian ( ) merupakan jumlah

dari perkalian customer dalam antrian dengan peluang terdapat
customer
(Hillier & Lieberman. 2011: 852), dinyatakan dengan

Anaviroh

46




 
* +


2.58

,

Apabila ! merupakan waktu menunggu customer dalam sistem

antrian dan ! merupakan waktu menunggu customer dalam antrian, maka
hubungan ! , ! ,  ,  dinyatakan dengan

 "!

2.59

 "!

2.60

Persamaan 2.59
dan 2.60
dikenal dengan nama Little Law, diperkenalkan
pertama kali oleh John D.C Little pada tahun 1961 ( Gross dan Harris, 1998:
11).

J.

Model Antrian (// //1

Sebagai dasar dalam pembahasan model antrian 2 3 /2/1

akan dibahas
terlebih dahulu model antrian (2/ 2/1
.
1. Solusi Steady-State untuk Model (2/ 2/1

Sistem antrian (2/ 2/1

merupakan model antrian satu sever
dengan

kedatangan

berdistribusi

Poisson

dan

waktu

pelayanan

berdistribusi Eksponensial. Model ini merupakan model tanpa batas

Anaviroh

47

kapasitas baik dari kapasitas sistem maupun kapasitas sumber

pemanggilan. Aturan pelayanannya bersifat FCFS, yaitu customer yang
datang pertama dilayani terlebih dahulu begitu seterusnya. Notasi sistem
antrian ini berdasarkan dengan notasi Kendall-Lee adalah
.

Sistem pada model antrian ini dapat digambarkan sebagai berikut.

Sistem antrian
Kedatangan
Customer

Selesai
antrian

pelayan

Gambar. 2.6 Sistem Antrian

Jika kedatangan customer mengikuti distribusi Poisson dengan laju ,
maka dari asumsi (i) probability sebuah kedatangan terjadi pada

adalah

, dan berdasarkan asumsi (v) probability terjadi lebih dari satu

kedatangan pada

adalah

Fungsi densitas peluang untuk waktu antar kedatangan dan waktu antar
pelayanan pada model antrian ini berturut turut adalah

,
dimana

adalah rata rata waktu antar kedatangan dan

adalah rata

rata waktu pelayanan. Probabilitas sebuah kepergian terjadi pada

48

berdasarkan asumsi (ii) adalah 6 7 86

dan probabilitas lebih dari satu
kepergian terjadi pada 6, dinyatakan dengan adalah 86
.
Oleh karena itu, proses dalam sistem ini merupakan masalah proses
kelahiran dan kematian yang telah dibahas pada subbab sebelumnya dengan

"  & dan 9  9 untuk semua n. Dengan mensubtitusikan "  " dan
9  9 ke Persamaan (2.4) dan Persamaan (2.6), menghasilkan Persamaan
Kolmogorov pada sistem antrian 2/2/1
sebagai berikut.

: 6

 *" 7
 6
7 
; 6
7  6
"
,
< 1
:6
: 6

 P t

*  6

, n  0
:6

2.61=

2.61b

Probabilitas steady state pada sistem

ini diperoleh dengan

mensubtitusi "  & dan 9  9 ke Persamaan (2.42) dan Persamaan (2.43),

menghasilkan Persamaan kesetimbangan sebagai berikut.

0  *& 7
C 7 C;1 7 &C1
< 1,

2.62=

0  *" 7 9 ,
0

2.62D

Karena pada sistem antrian (2/ 2/1

merupakan masalah proses
kedatangan dan kepergian dengan laju kedatangan dan kepergian konstan,
maka solusi steady state untuk model antrian ini dapat diperoleh dengan
mensubtitusi "  & dan 9  9 ke Persamaan (2.47). Sehingga diperoleh

Anaviroh

49

"
   E F G

H


< 1

  "/

dengan mendefinisikan IJ 

maka

   I J

(2.63)
Berdasarkan definisi (2.2), bahwa M
 1 dengan S adalah total semua
kejadian, maka 
   1 sehingga dari Persamaan (2.62) diperoleh


  I J




1

 1 7 IJ 7 IJ
O 7 IJ
P 7 Q
 1
(2.64)
berdasarkan definisi (2.11), 1 7 IJ 7 I J
O 7 IJ
P 7 Q konvergen jika dan
hanya jika I J R 1, maka diperoleh

1
 F
G1
1 * IJ
Sehingga solusi steady state ada jika I J R 1
Sehingga

  1 * IJ

(I J R 1
,

(2.65)
Subtitusi Persaman (2.65) ke Persamaan (2.63) didapatkan

  1 * IJ
IJ
 (IJ R 1

(2.66)

Anaviroh

50

Persamaan (2.66) merupakan solusi steady state untuk 2/2/1

, dari
Persamaan (2.66) dapat ditentukan ukuran keefektifan dari model antrian

2/2/1
.
2.

Ukuran Keefektifan Model Antrian 2/2/1

a) Nilai Harapan Banyak Customer dalam Sistem

Dari Persamaan (2.57) diketahui bahwa nilai harapan banyak
customer dalam sistem adalah


  



maka subtitusi Persamaan (2.66) ke Persamaan (2.57) diperoleh



  
1 * I J
IJ



 1 * I

IJ



 1 * IJ
IJ 7 2IJ
O 7 3IJ
P 7 Q

 1 * IJ
I J 1 7 2IJ
O 7 3IJ
P
7 Q

:
 1 * I
I
IJ

:IJ
J



 1 * IJ
I J

:
1
F
G
J
:I 1 * I J

 1 * IJ
I J

1
1 * IJ
O

Anaviroh

IJ
1 * IJ

2.67

51

b)

Nilai Harapan banyak Customer dalam Antrian

Dari Persamaan (2.58) diketahui bahwa nilai harapan banyak
customer dalam sistem adalah


  
* +

,

dengan c menyatakan jumlah server yang aktif, maka untuk kasus

2/2/1 nilai c = 1, sehingga diperoleh



  
* 1








 
 *  
  * 1 * 

IJ
* IJ
1 * IJ

IJ
O
1 * IJ

2.68

c) Nilai Harapan Waktu Tunggu Customer dalam Sistem

Berdasarkan Rumus Little pada Persamaan (2.59), diketahui

  "!
maka

Anaviroh

52

!



"

2.69

subtitusi Persamaan (2.67) ke Persamaan (2.69) didapatkan

! 

IJ
"1 * IJ

1
91 * IJ

2.70

d) Nilai Harapan Waktu Tunggu Customer dalam Antrian

Berdasarkan Rumus Little pada Persamaan (2.60), diketahui

  "!
maka

!



"

2.71

subtitusi Persamaan (2.68) ke Persamaan (2.71) didapatkan

! 

IJ
O
"1 * IJ

IJ

91 * IJ

2.72

Dari Persamaan (2.67), Persamaan (2.68), Persamaan (2.70) dan Persamaan

(2.72) dapat diringkas ukuran keefektifan model antrian 2/2/1
dalam
tabel 2.3 berikut ini.
Tabel 2.3 Ukuran Keefektifan pada Model Antrian 2/2/1

Anaviroh

53

No

Ukuran Keefektifan

Formula

Banyak customer dalam sistem

 

IJ
1 * IJ

Banyak customer dalam sistem

 

I J
O
1 * IJ

Waktu tunggu customer dalam

! 

1
91 * IJ

! 

IJ
91 * I J

sistem
4

Waktu tunggu customer dalam

antrian

K. Penggunaan Software WINQSB untuk Penyelesaian Model Antrian Batch

Arrival
Langkah langkah penyelesaian pada model antrian dengan Software
WINQSB adalah sebagai berikut.
1. Buka aplikasi dengan cara klik Start > Program > WinQSB > Queuing
Analysis
2. Kemudian, akan muncul tampilan awal dari WinQSB dan pilih File > New
Problem atau klik icon new folder.
3. Akan muncul pilihan menu Simple M/M system dan General Queuing
System, kemudian pilih General Queuing System klik OK.
4. Isi kolom dengan nilai yang sesuai dengan kasus yang akan diselesaiakan.
5. Kemudian pilih menu Solve and Analyze > Solve The Performance atau
klik icon dari Solve The Performance.
6. Kemudian akan muncul tampilan hasil analisis WinQSB

Anaviroh

54

Tampilan tampilan menu pada setiap langkah diatas dapat dilihat

dalam lampiran 3

Anaviroh

BAB III
PEMBAHASAN

Dalam skripsi ini akan dibahas tentang keefektifan sistem antrian satu
server dengan pola kedatangan berkelompok (batch arrival). Ukuran keefektifan
sistem antrian tersebut dapat dilihat dari banyak customer dalam sistem/
 ,
banyak customer dalam antrian/
 , waktu tunggu customer dalam sistem/  ,
waktu tunggu customer dalam antrian/  , dan persentase server sibuk/. Untuk
mengetahui ukuran keefektifan tersebut, langkah pertama akan dicari probability
generating function

( PGF ) dari banyaknya customer dalam sistem antrian,

kemudian dari PGF tersebut dapat digunakan untuk mencari
 ,
 ,  ,  , dan .
A. Pola Kedatangan Berkelompok ( Batch Arrival )
Sebagai contoh situasi pada sistem antrian dimana customer datang
secara berkelompok yaitu kedatangan customer secara berkelompok di
sebuah restoran, dan surat surat yang tiba di kantor pos. Ilustrasi sistem
antrian dengan pola kedatangan berkelompok ( batch arrival ) terlihat dalam
Gambar 3.1 berikut ini.

55
Anaviroh

56

Gambar 3.1 Sistem Antrian
 /
/1

Pada sistem antrian ini customer datang secara berkelompok dengan

ukuran kelompok tersebut adalah , dimana secara umum  adalah variabel
acak positif. Pada pembahasan ini, customer datang berdasarkan distribusi
Poisson dengan laju kedatangan , dan terdapat sebuah server yang memiliki

waktu pelayanan berdistribusi Eksponensial dengan laju pelayanan , dimana

customer dilayani secara individu dengan disiplin antrian FIFO ( First In
First Out ). Desain pelayanan pada sistem antrian ini adalah Single Channel
Single Phase. Notasi untuk model antrian satu server dengan pola kedatangan
berkelompok (batch arrival ) tersebut adalah
 /
/1.

Jika  adalah variabel acak yang menyatakan ukuran kelompok dengan

fungsi peluang 

 dengan  1 maka berdasarkan definisi

(2.11) probability generating function ( PGF ) dari  adalah




   , ||  1


Anaviroh

(3.1)

57

Turunan pertama dari  adalah



 
   


maka


 1
 

(3.2)



Berdasarkan definisi (2.9), Persamaan (3.2) merupakan nilai harapan dari 

dinyatakan dengan


 
 
 1

(3.3)



Dengan demikian nilai harapan ukuran kelompok yang masuk ke dalam

sistem antrian dapat diperoleh dengan mencari  1.
Jadi nilai harapan ukuran kelompok yang masuk ke dalam sistem
antrian adalah
 
 1


A. Proses Kedatangan dan Kepergian pada Sistem Antrian  //

Anaviroh

(3.4)

58

Pada sistem antrian dengan pola kedatangan berkelompok ( batch

arrival ), ukuran suatu kelompok yang masuk kedalam suatu sistem antrian
merupakan variabel acak positif , dengan fungsi peluang kedatangan suatu
kelompok berukuran adalah



 dengan  1.
(3.5)
Jika laju kedatangan suatu kelompok yang terdiri dari k customer dinyatakan
dengan  maka
'(
'

(3.6)

dengan adalah  .
Karena proses kedatangan pada sistem antrian dengan pola kedatangan
berkelompok mengikuti distribusi Poisson dengan banyaknya kedatangan tiap
satuan waktu adalah dan setiap kedatangan tersebut berukuran , maka

banyaknya kedatangan tiap satuan waktu pada sistem antrian
 /
/1 ini
adalah .

Laju transisi untuk sistem antrian

Gambar 3.2 berikut.

Anaviroh

 /
/1 dapat dilihat dalam

59

Gambar 3.2 Diagram laju transisi untuk sistem antrian
 /
/1

(Hadianti, 2006:176)
Berdasarkan Gambar 3.2, jika terdapat ** + 0 customer kejadian
kejadian saling asing yang mungkin terjadi dengan pola kedatangan
berkelompok yang berukuran 1   * dapat ditunjukkan pada tabel
3.1 sebagai berikut.
Tabel 3.1 Kemungkinan terdapat * Customer dalam Sistem Antrian
dengan Pola Kedatangan Berkelompok pada Saat - . -.
Kasus
1
2
3
4

Jumlah
Customer pada
Waktu (t)
n
n+1
n-k
n

Jumlah
Kedatangan
pada Waktu (t)

Jumlah
Kepergian pada
Waktu (t)

Jumlah
Customer pada
Waktu (t+t)

0
0
k
1

0
1
0
1

n
n
n
n

Jika terdapat * customer dengan *

0 maka kejadian kejadian saling
asing yang mungkin terjadi dapat dilihat pada table 3.2 sebagai berikut.

Kasus

Jumlah
Customer pada

Anaviroh

Jumlah
Kedatangan

Jumlah
Kepergian pada

Jumlah
Customer pada

60

1
2
4

n
0
0
n
n+1
0
1
n
n
1
1
n
Tabel 3.2 Kemungkinan terdapat *
0 Customer dalam Sistem
Antrian dengan Pola Kedatangan Berkelompok pada Saat - . Dari tabel 3.1 terlihat bahwa perbedaan kemungkinan kejadian pada
sistem antrian
 /
/1 dan
/
/1 adalah pada kasus ketiga. Sedangkan

pada tabel 3.2 semua kemungkinan kejadian pada sistem antrian
 /
/1

dan
/
/1 sama. Probabilitas kasus ketiga dari tabel 3.1 dapat diuraikan
sebagai berikut.
Berdasarkan asumsi (i) probabilitas sebuah kedatangan secara individu

terjadi antara - dan - . -) adalah - . 0- . Pada model antrian

dengan pola kedatangan berkelompok, probabilitas sebuah kedatangan yang
terdiri dari customer terjadi antara - dan - . -) adalah  - . 0-.
Probabilitas kasus 3 = Probabilitas kedatangan berukuran 1 atau 2 atau
3 atau 4 dan seterusnya sampai n.
Probablilitas kasus 3 = 1 -2 - . 0 -3 . 14 -24 - .
0-3

.15 -25 - . 0-3 . 6

.7 -1 - . 0-
1

 1 - 

Anaviroh

. 0 -

3.7

61

Karena model antrian
 /
/1 merupakan variasi dari model antrian

/
/1

maka proses kedatangan dan kepergian

pada sistem antrian

 /
/1 diperoleh berdasarkan proses kedatangan dan kepergian pada

sistem antrian
/
/1. Pada proses kedatangan dan kepergian sistem antrian

/
/1 menghasilkan Persamaan Kolmogorov yaitu Persamaan (2.61).
Sehingga proses kedatangan dan kepergian pada sistem antrian
 /
/1

diperoleh berdasarkan Persamaan (2.61) dengan probabilitas kasus ketiga

sesuai dengan Persamaan (3.7), maka menghasilkan Persamaan Kolmogorov
sebagai berikut.
*

:1 -

; . 1 - . 1= - .   *; -
:
1

:7 -

P t ; 7 -, n
0
:-

, *  1 3.8

3.9

B. Solusi Steady state Model Antrian  //

Kondisi steady state yaitu keadaan sistem yang tidak tergantung pada
keadaan awal maupun waktu yang telah dilalui. Jika suatu sistem antrian telah
mencapai kondisi steady state maka peluang terdapat * customer dalam
sistem pada waktu t, yang dinotasikan dengan 1 - tidak tergantung pada

waktu.

Kondisi steady state terjadi ketika

CDE F
CF

0 dan limFJ 1 -
1 ,

sehingga 1 -
1 , untuk semua t, artinya 1 tidak tergantung pada waktu.

Anaviroh

62

Kondisi steady state pada sistem antrian
 /
/1 diperoleh dengan

mensubtitusikan

CDE F
CF

0 , dan 1 -
1 ke Persamaan (3.8) dan

Persamaan (3.9) sehingga didapatkan

0
P  ; 7

,*
0

3.10

0
; . 1 . 1=
*

.   *;

,*  1

3.10K

Persamaan (3.10) tidak dapat diselesaikan menggunakan metode

rekursif seperti pada model antrian
/
/1 . Untuk menentukan solusi steady

state pada model antrian
 /
/1, langkah pertama adalah menentukan

PGF dari banyak customer dalam sistem.
Jika N adalah variabel diskrit yang menyatakan banyaknya customer
dalam sistem, dengan probabilitas 1 maka berdasarkan definisi (2.9) PGF
dari N adalah

 
L

MN

 1  1 , ||  1

(3.11)

17

Jika  menyatakan ukuran kelompok yang masuk ke dalam sistem

antrian dan O menyatakan banyaknya customer dalam sistem, maka dari

Anaviroh

63

Persamaan (3.1) dan Persamaan (3.11) PGF dari  dan O masing masing
adalah



   ,

1
 

17 1  , ||  1

Penyelesaian Persamaan (3.10) dengan mencari PGF dari N adalah sebagai

berikut.
Persamaan (3.10) dikalikan dengan  1 , maka didapatkan:
0
P  1 ; 7 z Q

,*
0

(3.12)
0
; .  1  1 . 1=  1 .  1   1  1 , *  1
(3.13)
Kemudian Persamaan (3.12) dan Persamaan (3.13) dapat diuraikan sebagai
berikut.
Untuk *
0 maka Persamaan (3.12) menjadi 0
P  ; 7 , nilainya sama

dengan Persamaan 3.10.

Dari Persamaan (3.13) dapat diuraikan sebagai berikut.

Untuk *
1 didapatkan 0
; .   . 4  .  1    
Untuk *
2 didapatkan 0
; . 4  4 . 5  4 .  1   4  4
Untuk *
3 didapatkan 0
; . 5  5 .  S  5 .  1   5  5
T

Anaviroh

64

Untuk * ; 1 didapatkan 0
; .  1  1 .  1  1
1

.   1 * ; 1


Untuk * didapatkan 0
; . 1  1 .  1=  1 .  1   1  1
T
Dan seterusnya.
Langkah penyelesaian selanjutnya yaitu persamaan persamaan yang
telah didapatkan diatas dari penguraian Persamaan (3.12) dan Persamaan
(3.13) dijumlahkan dari *
0 sampai .
Untuk jumlahan dari *
1sampai diperoleh



1
1
1
; .  
1 1  .  1 1=  .  1  1  
0

(3.14)

Persamaan (3.14) ditambah dengan Persamaan (3.10a) didapatkan



P  ; 7  ;   1  ;  1  .   1=  1 .
1

1

1

   1   1
1 

dengan

Anaviroh

3.15

65

  1  
  1  1  

1 

1 

kemudian dapat diuraikan sebagai berikut.



 1  1   . 14  14 4  4 . 15  15 5  5

1

. 1S  1S S  S . 1Y  Y Y  Y . 6 

7  7   .     . 7  7 4  4 . 4  4  

.   4  4 . 7  7 5  5 . 5  5  

. 4  4 4  4 .   5  5  . 7  7 S  S
. 6

7  7   . 4  4 . 5  5 . S  S . 6 

.     . 4  4 . 5  5 . S  S . 6 

. 4  4   . 4  4 . 5  5 . S  S . 6 

. 5  5   . 4  4 . 5  5 . S  S . 6 
.6

  . 4  4 . 5  5 . S  S . 6 7  7 .  


. 4  4 . 5  5 . S  S . 6 

    1  1


1

3.16

Berdasarkan Persamaan (3.1) dan Persamaan (3.11), maka Persamaan (3.16)

dapat dinyatakan dengan

Anaviroh

66

    1  1



1

    

3.17

Kemudian subtitusi Persamaan (3.17) ke Persamaan (3.15), sehingga

diperoleh


P  ; 7  ;   1  ;  1  .   1=  1 . 
1

1

1

P  ; 7  ;   ; 7  ;  ; 7 


.  1=  1 .  
0
1


; .  . 7 .  .   1=  1 .  
0
1

; .   . 7 .   1=  1 . 

17

3.18

misal * . 1
[, maka subtitusi *
[ ; 1 ke Persamaan (3.18)
sehingga diperoleh



; .   . 7 .  \  \ . 


\

3.19

Kedua ruas Persamaan (3.19) dikalikan dengan  menghasilkan

Anaviroh

67

; .  . 7 . L  ; 7 N . 
0

; .   .  .   . 7  ; 1
0
 

7  ; 1
 .   ;  ; 
7  ; 1
1 ;  ; 1 ; 

]D^ _

]__'`_

(3.20)
Jadi Persamaan (3.20) adalah PGF dari N, pada model antrian
 /
/1.
Pada Persamaan (3.20) akan dicari nilai 7 yang merupakan peluang
terdapat nol customer dalam sistem sebagai berikut.
Dari Persamaan (3.11) diketahui PGF dari N adalah


 
 1  1
untuk 
1, didapatkan

17

1
 1 11
17

Berdasarkan definisi (2.2) jumlah total suatu peluang adalah 1, sehingga

didapatkan

Anaviroh

68

1
 1
1

(3.21)

17

Dari Persamaan (3.20) diketahui PGF dari N adalah



7 1 ; 
1 ;  ; 1 ; 

Subtitusi 
1 ke Persamaan (3.20) diperoleh
  1

7 1 ; 1
 1 ; 1 ; 1 ; 1

Persamaan tersebut berbentuk

7
7

maka berdasarkan teorema 2.1

penyelesaiannya digunakan aturan lHopital sebagai berikut.

lim 

_J

lim 7 1 ; 
_J

limL1 ;  ; 1 ; N
_J

lim_J

]D^

]'='`_='_`a _

]D^

]'`a 

(3.22)
Dari Persamaan (3.21) dan (3.22) didapatkan
]D

1
]'`^a
7
1 ;
(3.23)

Anaviroh

'`a
]

69

Subtitusi Persamaan (3.4) ke Persamaan (3.23) diperoleh

7
1 ;




Jadi
7
1 ; b
(3.24)
dengan
b

'c
]

Subtitusi Persamaan (3.24) ke Persamaan (3.20) maka PGF dari N dapat

dinyatakan dengan:



]d _

]__'`_

(3.25)
Probabilitas terdapat * customer dalam sistem pada model antrian

 /
/1 merupakan koefisien dari  1 . Dari Persamaan (3.25) dapat

ditentukan nilai harapan banyaknya customer dalam sistem pada model
antrian
 /
/1
C. Ukuran Keefektifan Sistem Antrian  //
Ukuran keefektifan suatu sistem antrian batch arrival dapat ditentukan
setelah PGF dari O diketahui. Ukuran ukuran keefektifan dari suatu sistem
antrian tersebut adalah banyak customer dalam sistem/ef , banyak customer
yang menunggu dalam antrian/eg , waktu tunggu setiap customer dalam

Anaviroh

70

sistem/hf , waktu tunggu setiap customer dalam antrian/hg , dan persentase

pemanfaatan sarana pelayanan/ij. Ukuran ukuran keefektifan tersebut dapat
digunakan untuk menganalisis operasi situasi antrian, yang dimaksudkan
untuk pembuatan rekomendasi tentang rancangan sistem tersebut.
1. Nilai Harapan Banyak Customer dalam Sistem
Nilai harapan banyak customer dalam sistem antrian merupakan
jumlah

keseluruhan

dari

perkalian

customer

dalam

sistem

dan

probabilitasnya, dinyatakan dengan:



ef
 O
 *1

(3.26)

17

Pada model antrian
/
/1 probabilitas terdapat * customer dalam

sistem 1  dapat langsung diketahui, sehingga ef dapat diperoleh dengan

mensubtitusi nilai 1 tersebut. Sedangkan pada model antrian
 /
/1,

nilai 1 tidak langsung diketahui sehingga ef dapat diperoleh berdasarkan

PGF dari O yaitu dapat dicari sebagai berikut.

Dari Persamaan (3.11) diketahui bahwa PGF dari N adalah


L

Turunan pertama dari  adalah



MN

 1  1
17

 
 *1  1

Anaviroh

17

71

maka


 1
 *1

(3.27)

17

Berdasarkan Persamaan (3.26), maka Persamaan (3.27) adalah

nilai

harapan dari banyak customer dalam sistem antrian dinyatakan dengan



O
 *1
  1
17

Jadi nilai harapan banyak customer dalam sistem pada model antrian

 /
/1 diperoleh dari  1.
Langkah pertama untuk menentukan nilai harapan banyak customer
dalam sistem pada model antrian
 /
/1 adalah dengan mencari  

kemudian menentukan  1.

Persamaan (3.20) dapat dituliskan lebih sederhana sebagai berikut:

 

d 

_

k
l

`j_

dimana j

`_

Turunan pertama dari  adalah

 

m

 ; z mA z



1 ;   j4

;1 ; b ;



1 ; b j .  j 



 j
1 ;   4
Sehingga

Anaviroh

_

72



1 ; b j1 .  j 1


 1

 j
1 ;  14

(3.28)

Untuk memperoleh  1 terlebih dulu harus dihitung j 1

j

1 ; 
1;

Turunan pertama dari j adalah

j 

;1 ;   . 1 ; 
1 ; 4

7
Karena j 1
7 , maka berdasarkan teorema 2.1 penyelesaiannya

menggunakan aturan lHopital sehingga didapatkan:

;1 ;   . 1 ; 
_J
1 ; 4

j 1
lim

lim_J

_`aa _

`aa 

oLN

4_

o p 
4

o
4

(3.29)
Dengan mensubtitusikan Persamaan (3.29) ke Persamaan (3.28),
maka didapatkan:

Anaviroh

73

 1

   4    

1 ; b q   . r
;
st

2

2

1 ;  4

  4 
b

2 ; 2s
, dengan b
1 ; b4

1 ; b rb .



d = l o p 
4d

Jadi banyak customer dalam sistem, pada model antrian
 /
/1

dengan ukuran kelompoknya berupa variabel acak  dinyatakan dengan

ef
 O


b .   4 

21 ; b

3.30

Dari Persamaan (3.5), diketahui peluang kedatangan suatu kelompok

berukuran dinyatakan dengan  

 . Jika diasumsikan bahwa

dalam antrian batch arrival kelompok yang datang tepat berukuran u,

maka peluang bahwa suatu kedatangan berukuran u adalah satu, dan

peluang suatu kedatangan untuk ukuran kelompok lainnya adalah nol.

Pernyataan tersebut dapat dituliskan sebagai berikut.

v

1 , 
ux
0 , w u

dengan u adalah suatu nilai yang menyatakan ukuran kelompok

Anaviroh

74

Sehingga


 
 


1 . 24 . 35 . 6 . uy . 6

3.31

dan
 

4

 4 


14  . 24 4 . 34 5 . 6 . u 4 y . 6
u 4
(3.32)

Subtitusi Persamaan (3.31) dan (3.32) ke Persamaan (3.30) didapatkan:


b .   4 
b . ub
u.1
b
ef

r
s
21 ; b
21 ; b
2
1;b
Jadi banyak customer dalam sistem, pada model antrian
y /
/1 yaitu

dengan rata rata ukuran kelompok adalah u dinyatakan dengan:

ef
r

u.1
b
s
2
1;b

2. Nilai Harapan Banyak Customer dalam Antrian

Anaviroh

(3.33)

75

Nilai harapan banyak customer dalam antrian merupakan jumlah

dari perkalian customer dalam antrian dengan probabilitas terdapat *
customer dinyatakan dengan


eg
* ; i1
1

Dengan c menyatakan jumlah server yang melayani, maka dalam

model antrian dengan satu server nilai c = 1, sehingga banyak customer
dalam antrian pada model antrian
 /
/1 dapat diperoleh sebagai
berikut.


eg
* ; 11
1


1

1

 *1 ;  1

ef ; 1 ; 7 

u.1
b

r
s
;b
2
1;b
Jadi banyak customer dalam antrian pada model antrian
y /
/1
dinyatakan dengan:

u.1
b

r
s
;b
2
1;b

eg

3. Nilai Harapan Waktu Tunggu Customer dalam Sistem

Anaviroh

3.34

76

Waktu tunggu dalam sistem antrian adalah jumlah antara waktu

menunggu dalam antrian dan waktu pelayanan. Berdasarkan Persamaan
(2.59) waktu tunggu dalam sistem dapat diperoleh dari rumus Little yaitu

hf

ef


3.35

Dalam model antrian
 /
/1, laju kedatangan customer adalah

, dengan  adalah rata-rata dari ukuran kelompok yang masuk ke

dalam sistem antrian.

Waktu tunggu customer dalam sistem diperoleh dari subtitusi

Persamaan (3.33) ke Persamaan (3.35) sehingga didapatkan
b
u.1
{ 2 |1 ; b
hf


u . 1u
2 1 ; bu

1
u . u4

}
~
2 1 ; b
u
Jadi waktu tunggu customer dalam sistem pada model antrian

y /
/1 adalah


y=y p

hf
4]d 

Anaviroh

3.36

77

4. Nilai Harapan Waktu Tunggu Customer dalam Antrian

Waktu tunggu customer dalam antrian adalah selisih antara waktu
tunggu customer dalam sistem dan waktu customer. Laju pelayanan per
satuan waktu adalah  maka waktu pelayanan untuk seorang customer


adalah ] . Sehingga waktu tunggu dalam antrian adalah sebagai berikut.



hg
hf ; ]
y=y p

hg
4]d 

;]

2y=y p 34dy
4]dy

y p y4d

4]d 

Berdasarkan Persamaan (2.60) waktu tunggu dalam antrian juga dapat

diperoleh juga dari rumus Little sebagai berikut.

hg
'c

{


|
d
p

'c

p

p


'y

y p y4d


4]d

Jadi waktu tunggu customer dalam antrian pada model antrian

y /
/1 adalah
hg

Anaviroh

1
u 4 ; u1 ; 2b
}
~
21 ; b
u

3.37

78

5. Persentase Server Sibuk

Persentase kesibukan server berarti memperlihatkan seberapa besar
pemanfatan dari suatu sarana pelayanan. Nilai harapan jumlah server
yang sibuk sama dengan selisih antara jumlah customer dalam sistem dan
jumlah customer dalam antrian.
Jadi persentase server yang sibuk adalah
ij
2ef ; eg 3 100%

3.38

Dengan mensubtitusi Persamaan (3.33) dan Persamaan (3.34) ke

Persamaan (3.38) maka diperoleh
ij
b  100%
(3.39)
Jadi persentase kesibukan server pada model antrian
 /
/1 sama
dengan persentase kesibukan server model antrian pada umumnya.
Dari Persamaan (3.33), (3.34), (3.36), (3.37), dan (3.39)

dapat

diringkas ukuran keefektifan dari model antrian
y /
/1 dalam tabel 3.3
berikut ini.

Anaviroh

79

Tabel 3.3 Ukuran Keefektifan Model Antrian
y /
/1

No

Ukuran Keefektifan

Banyak customer dalam sistem

ef
r

Banyak customer dalam

eg
r

antrian

Waktu tunggu customer dalam

sistem

Waktu tunggu customer dalam

antrian

Presentase kesibukan server

Formula
u.1
b
s
2
1;b
u.1
b
;b
s
2
1;b

hf

1
u . u4
}
~
21 ; b
u

hg

1
u 4 ; u1 ; 2b
}
~
21 ; b
u

ij
b 100%

E. Implementasi
Agar lebih memahami tentang model antrian
 /
/1 diberikan
contoh penerapan soal sebagai berikut.
Sebagai ilustrasi penulis memberikan Gambaran penerapan model
antrian pada situasi antrian yang terjadi di sebuah kantor pajak. Data yang
diolah adalah data yang dibangun dengan software minitab yang distribusi
kedatangannya memenuhi distribusi Poisson dan waktu pelayanannya
memenuhi distribusi Eksponensial. Dengan rata rata laju kedatangan 

Anaviroh

80

adalah 1,5 dan rata rata waktu pelayanan 213 adalah 2, serta rata rata
ukuran kelompok yang masuk ke dalam sistem adalah 17. Data tersebut dapat
dilihat dalam lampiran 1.

Misal situasi antrian ini diamati pada antrian

perekamam Surat Pemberitahuan/ SPT di sebuah kantor pajak. SPT yang

direkam yaitu SPT yang telah disortir. Beberapa berkas SPT yang telah
disortir diserahkan sekaligus kepada sfat yang bertugas untuk direkam.
Berarti SPT tersebut masuk kedalam sistem antrian secara berkelompok dan
jumlahnya acak.

Hanya ada seorang staf yang bertugas merekam SPT.

Karena kedatangan berdistribusi Poisson, dan setiap kedatangannya ada lebih

dari satu customer yang banyaknya tidak pasti dan hanya ada satu server
dengan waktu pelayanan berdistribusi Eksponensial, maka kondisi tersebut
memenuhi asumsi dari model antrian
 /
/1.
Analisis model antrian seperti contoh kasus diatas adalah sebagai
berikut. Dalam kasus diatas, yang berperan sebagai customer bukan manusia
tetapi barang yaitu berupa berkas SPT, sedangkan yang berperan sebagai
server adalah manusia yaitu seorang staf di kantor pajak. Model dari sistem
antrian pada kasus diatas dinotasikan dengan
 /
/1. Karakteristik
karakteristik dari sistem antrian tersebut antara lain:

1.

Laju Kedatangan

Anaviroh

81

Laju kedatangan yaitu banyaknya kedatangan tiap satuan waktu.

Pada skripsi ini, formula yang telah didapatkan hanya sesuai untuk
distribusi kedatangan Poisson. Karena data kedatangan customer pada
ilustrasi ini adalah data yang dibangkitkan yang memenuhi distribusi
Poisson maka tidak perlu dilakukan pengujian data. Namun, sebagai
lampiran uji distribusi kedatangan customer dapat dilihat dalam
lampiran 2.
Tabel 3.4 Ukuran Kelompok dan Waktu Antar Kedatangan tiap
Kelompok
Kedatangan Ukuran
keKelompok

Waktu antar
kedatangan

18

00:48:22

13

00:13:05

20

01:36:01

20

00:53:29

12

00:25:54

21

Jumlah

104

3:56:51 atau
3,9 jam

Dari tabel tersebut diketahui bahwa selama 3,9 4 jam ada enam
kali kedatangan, jadi laju kedatangan atau banyaknya kedatangan tiap
jam adalah 64
1,5 jadi 
1,5.

2.

Nilai Harapan Ukuran Kelompok

Anaviroh

82

Surat surat pemberitahuan yang akan direkam masuk ke dalam

sistem antrian secara berkelompok, dengan ukuran setiap kedatangannya
tidak pasti banyaknya. Sehingga akan dicari nilai harapan ukuran
kelompok tersebut. Berdasarkan Persamaan (3.3), nilai harapan ukuran
kelompok yang masuk kedalam sistem adalah


 
 


Dari Persamaan (3.6) diketahui



'(
'

berdasarkan tabel (3.4) maka diperoleh  sebagai berikut.

4

12

5

13



18

47

20

4

21

Maka

Anaviroh

1
6
1
6
1
6

2
6
1
6

83

1
1
1
2
1 104
 
 
12. . 13. . 18. . 20. . 21.

6
6
6
6
6
6


17,33

Jadi rata rata atau nilai harapan ukuran kelompok yang masuk ke
dalam sistem antrian adalah u
17,33 17.
3.

Laju Pelayanan
Laju pelayanan yaitu banyaknya customer yang dilayani tiap
satuan waktu. Pada skripsi ini, formula yang telah didapatkan hanya
sesuai untuk distribusi pelayanan Eksponensial. Karena data pelayanan
customer pada ilustrasi ini adalah data yang dibangkitkan yang
memenuhi distribusi Eksponensial maka tidak perlu dilakukan
pengujian data. Namun uji distribusi pelayanan customer dapat dilihat
dalam lampiran 2.

Tabel 3.5 Lama Waktu Pelayanan Perekaman SPT

Anaviroh

84

No

Mulai
dilayani

Selesai
dilayani

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37

07:35:00
07:37:33
07:40:57
07:42:51
07:44:27
07:44:45
07:46:58
07:49:00
07:52:47
07:54:02
07:56:44
07:57:57
08:00:23
08:01:55
08:03:15
08:04:50
08:15:25
08:20:26
08:23:19
08:23:22
08:28:55
08:29:07
08:31:04
08:34:29
08:35:02
08:38:17
08:39:00
08:40:06
08:40:15
08:41:00
08:43:10
08:46:50
08:48:22
08:52:12
08:53:39
08:56:57
09:01:29

07:36:55
07:40:22
07:42:28
07:43:47
07:44:37
07:46:52
07:48:34
07:52:28
07:53:31
07:56:27
07:57:27
08:00:12
08:01:41
08:03:07
08:04:35
08:15:09
08:20:01
08:22:56
08:23:21
08:28:16
08:29:01
08:30:44
08:33:54
08:34:49
08:37:47
08:38:42
08:40:03
08:40:11
08:40:38
08:43:05
08:46:33
08:47:45
08:51:51
08:53:04
08:56:49
09:01:16
09:01:34

Anaviroh

Lama
Pelayanan
00:01:55
00:02:49
00:01:31
00:00:56
00:00:10
00:02:07
00:01:36
00:03:28
00:00:44
00:02:25
00:00:43
00:02:15
00:01:18
00:01:12
00:01:20
00:10:19
00:04:36
00:02:30
00:00:02
00:04:54
00:00:06
00:01:37
00:02:50
00:00:20
00:02:45
00:00:25
00:01:03
00:00:05
00:00:23
00:02:05
00:03:23
00:00:55
00:03:29
00:00:52
00:03:10
00:04:19
00:00:05

38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76

09:01:38
09:02:37
09:04:57
09:07:15
09:08:17
09:12:10
09:21:16
09:22:30
09:23:55
09:25:58
09:26:06
09:28:05
09:32:05
09:35:23
10:07:29
10:07:49
10:13:34
10:14:22
10:16:30
10:18:43
10:22:59
10:24:15
10:24:22
10:24:32
10:25:10
10:28:05
10:28:16
10:30:48
10:31:54
10:33:24
10:34:05
10:34:10
10:32:25
10:32:40
11:01:00
11:12:23
11:14:02
11:14:15
11:16:18

09:02:13
09:04:24
09:06:42
09:08:16
09:11:48
09:21:13
09:22:00
09:23:44
09:25:57
09:26:03
09:27:40
09:31:39
09:34:51
09:35:56
10:07:41
10:13:15
10:14:02
10:16:26
10:18:36
10:22:51
10:23:43
10:24:20
10:24:26
10:24:53
10:27:41
10:28:10
10:30:09
10:31:50
10:33:08
10:33:47
10:34:08
10:34:17
10:32:32
10:37:38
11:12:11
11:13:21
11:14:08
11:16:16
11:16:34

00:00:35
00:01:47
00:01:45
00:01:01
00:03:31
00:09:03
00:00:44
00:01:14
00:02:02
00:00:05
00:01:34
00:03:34
00:02:46
00:00:33
00:00:12
00:05:26
00:00:28
00:02:04
00:02:06
00:04:08
00:00:44
00:00:05
00:00:04
00:00:21
00:02:31
00:00:05
00:01:53
00:01:02
00:01:14
00:00:23
00:00:03
00:00:07
00:00:07
00:04:58
00:11:11
00:00:58
00:00:06
00:02:01
00:00:16

85

77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92

11:16:47
11:19:10
11:20:30
11:21:14
11:33:10
11:34:40
11:36:50
11:40:00
11:41:51
11:47:00
11:50:23
11:51:33
11:53:06
11:53:40
12:01:00
12:02:30

11:19:00
11:20:20
11:20:53
11:32:44
11:34:02
11:36:44
11:39:54
11:41:29
11:46:55
11:50:13
11:51:05
11:52:28
11:53:25
11:59:30
12:02:17
12:02:40

00:02:13
00:01:10
00:00:23
00:11:30
00:00:52
00:02:04
00:03:04
00:01:29
00:05:04
00:03:13
00:00:42
00:00:55
00:00:19
00:05:50
00:01:17
00:00:10

93
94
95
96
97
98
99
100
101
102
103
104

12:02:50
12:05:33
12:07:40
12:11:00
12:14:13
12:15:08
12:18:10
12:23:40
12:25:40
12:25:56
12:27:00
12:31:04

12:05:14
12:07:05
12:10:48
12:13:41
12:14:42
12:17:43
12:23:24
12:25:13
12:25:47
12:26:26
12:29:53
12:35:15

00:02:24
00:01:32
00:03:08
00:02:41
00:00:29
00:02:35
00:05:14
00:01:33
00:00:07
00:00:30
00:02:53
00:04:11
03:35:01
atau
3,58 jam

Jumlah

Dari tabel (3.4) diketahui total waktu pelayanan untuk 104

customer adalah 03:35:01 atau 3,58 jam sehingga laju pelayanan atau
banyaknya

Anaviroh

pelayanan

tiap

jam,

1043,58
29

86

4.

Faktor utilitas sistem atau peluang server sibuk

b

5.

y'
]

,Y
4

0,87931

Ukuran Keefektifan Sistem

Sesuai pembahasan ukuran keefektifan sistem yang akan
dianalisis adalah nilai harapan banyak customer dalam sistem/ef , nilai
harapan banyak customer dalam antrian/eg , nilai harapan waktu tunggu

customer dalam sistem/ hf , nilai harapan waktu tunggu customer dalam

antrian/ hg , dan persentase server sibuk/ij.

Perhitungan

dilakukan

dengan

dua

cara,

yaitu

dengan

menggunakan formula yang telah didapatkan dari penelusuran dan

dengan menggunakan software WINQSB.
a. Analisis berdasarkan Formula
i)

Nilai Harapan Banyak Customer dalam Sistem

Dari tabel 3.3 no. 1 didapatkan nilai harapan banyak customer
dalam sistem
u.1
b
ef
r
s
2
1;b

17 . 1
0,87931
s
2
1 ; 0,87931

65,5712
Jadi banyaknya customer dalam sistem sekitar 66 SPT.

Anaviroh

87

ii) Nilai Harapan Banyak Customer dalam Antrian

Dari tabel 3.3 no. 2 didapatkan nilai harapan banyak customer
dalam antrian adalah
u.1
b
eg
r
s
;b
2
1;b
17 . 1
0,87931

r
s
; 0,87931
64,69189
2
1 ; 0,87931

Jadi banyak customer dalam antrian sekitar 64,69189

65 SPT

iii) Nilai Harapan Waktu Tunggu Customer dalam Sistem

Dari tabel 3.3 no. 3 didapatkan nilai harapan waktu tunggu
customer dalam sistem adalah

hf

1
u . u4
}
~
21 ; b
u
1
17 . 174
}
~
2291 ; 0,87931
17

2,5714 [
Jadi waktu tunggu customer dalam sistem sekitar 2,58 jam.

iv) Nilai Harapan Waktu Tunggu Customer dalam Antrian

Anaviroh

88

Dari tabel 3.3 no. 4 didapatkan nilai harapan waktu tunggu

customer dalam sistem adalah

hg

1
u 4 ; u1 ; 2b
}
~
21 ; b
u

1
174 ; 171 ; 20,87931

}
~
2290,12069
17

2,5369
Jadi waktu tunggu customer dalam antrian sekitar 2,5 jam

v) Persentase Server Sibuk

Dari tabel

3.3 no.5 diperoleh presentase kesibukan server

adalah
ij
b100%

87,931%
88%
Jadi persentase kesibukan server adalah 88% sehingga dapat
dikatakan server pada sistem antrian tersebut cukup sibuk
Dari analisis tersebut diketahui dengan laju kedatangan atau

1,5 dan laju pelayanan atau 
29, dan rata rata ukuran

Anaviroh

89

kelompok yang masuk kedalam sistem adalah 17, terlihat bahwa

server cukup sibuk yaitu dengan persentasenya 88%. Sehingga
presentase server menganggur cukup kecil yaitu 12%. Ukuran
keefektifan sistem tersebut adalah ef
66 SPT, eg
65 SPT,

hf
2,58 jam, hg
2,5 jam. Dalam kondisi seperti ini berarti
masih perlu dilakukan perbaikan pada sistem antrian tersebut. Ada
beberapa pilihan yang bisa diambil untuk mengatasi agar server

tidak terlalu sibuk yaitu dengan menambah jumlah server atau

mempercepat waktu pelayanan.
b. Analisis berdasarkan Hasil Perhitungan dengan Software WINQSB
Beberapa

software

yang

dapat

digunakan

untuk

menganalisis masalah antrian adalah TORA, ARENA, Pro Model,

SAS, dan WINQSB. Pada skripsi ini akan dibandingkan hasil analisis
yang diperoleh berdasarkan formula yang telah didapatkan dari
penelusuran dengan hasil penyelesaian menggunakan software
WINQSB. Output dari WINQSB dapat dilihat pada tabel 3.6 berikut.

Tabel 3.6 Output Penyelesaian Masalah Antrian pada Model 
 /
/1 dengan
WINQSB

Anaviroh

90

Hasil perhitungan yang diperoleh menggunakan software

WINQSB

menunjukkan

hasil

yang

sama

menggunakan formula yang telah didapatkan.

Anaviroh

dengan

perhitungan

BAB IV
SIMPULAN DAN SARAN

A. Simpulan
Dari pembahasan skripsi dengan judul Model Antrian Satu Server
dengan Pola Kedatangan Berkelompok ( Batch Arrival ), dapat disimpulkan
sebagai berikut.
1. Model antrian satu server dengan pola kedatangan berkelompok ( batch
arrival ) dinotasikan dengan   //1, dengan X adalah variabel acak
yang menyatakan ukuran kelompok yang masuk ke dalam sistem antrian.
Model tersebut menggambarkan sistem antrian dengan pola kedatangan
customer secara berkelompok yang berdistribusi Poisson, dan pelayanan
customer secara individu dengan waktu pelayanan berdistribusi
Eksponensial. Dasar untuk menganalisis model antrian dengan pola
kedatangan berkelompok adalah dengan

menentukan probability

generating function ( PGF ) dari banyak customer dalam sistem, yang

dinyatakan dengan
  

1  1  
1    1   

2. Ukuran keefektifan sistem antrian dengan pola kedatangan berkelompok

( batch arrival ) yang diperoleh dari penelusuran sebagai berikut.

91
Anaviroh

92

a) Nilai harapan banyak customer dalam sistem, dinyatakan dengan

  




b) Nilai harapan banyak customer yang menunggu dalam antrian,

dinyatakan dengan
  




c) Nilai harapan waktu tunggu setiap customer dalam sistem, dinyatakan



dengan   
 

 


d) Nilai harapan waktu tunggu setiap customer dalam antrian, dinyatakan



dengan   
 

  



e) Persentase pemanfaatan sarana pelayanan, dinyatakan dengan

    100%

1. Pada implementasi model antrian satu server dengan pola kedatangan
berkelompok ( batch arrival ) diberikan contoh penerapan antrian dengan
pola kedatangan berkelompok pada perekaman SPT di kantor pajak.
Langkah langkah dalam menganalisis model antrian tersebut adalah:
a) Melakukan uji kesesuaian distribusi kedatangan customer dan
distribusi waktu pelayanan customer.
b) Menganalisis ukuran keefektifan sistem berdasarkan formula yang
sesuai pada model antrian ini. Hasil dari analisis pada contoh
penerapan dalam skripsi ini diperoleh ukuran keefektifan dari model
antrian adalah
  66 SPT,
  65 SPT,   2,58 jam,  
2,5 jam. Nilai ukuran keefektifan tersebut diperoleh dari dua cara,
yaitu berdasarkan formula dari penelusuran rumus pada pembahasan

Anaviroh

93

dan dengan software WINQSB, keduanya menunjukkan hasil yang

sama.
A. Saran
Dari hasil pengkajian model antrian satu server dengan pola
kedatangan berkelompok dapat dikembangkan lebih lanjut sampai dengan
tingkat pengambilan keputusan, misalnya dengan model biaya. Selain itu juga
dapat dikembangkan model antrian dengan pola kedatangan berkelompok
multi server, serta variasi model %/%/1 yang lain seperti model antrian
dengan pola pelayanan berkelompok (batch service), dan model antrian
dengan pola kedatangan dan pola pelayanan berkelompok (bulk queue), serta
model antrian dengan prioritas pelayanan, yang merupakan salah satu bentuk
dari disiplin pelayanan .

Anaviroh

DAFTAR PUSTAKA
Bain, L, & Engelhardt. (1992). Introduction to Probability and Mathematical
Statistics. California: Wadsworth Publishing Company.
Barte, R. G, & Sherbert, D. R. (2000). Introduction to Real Analysis. New York:
John Wiley & Sons.
Bhat, N. U. (1984). Element of Applied Stochastic Processes. 2nd. ed. New York:
John Wiley & Sons.
Bronson, R. (1996). Teori dan Soal-Soal Operations Research. (Terjemahan Hans
Wospakrik). Jakarta: Erlangga.
Bunday, B. D. (1996). An Introduction to Queuing Theory. New York: John
Wiley & Sons.
Chaudhury, M. L.(1983). A First Course in Bulk Queue. New York: John Wiley
& Sons.
Cooper, R. B. (1981). Introduction to Queuing Theory. 2nd. ed. New York:
Eleseveir North Holland, Inc.
Dharma, J. L. (2001). Model Antrian MH/G/1. Bandung: Fakultas Matematika dan
Ilmu Pengetahuan Alam, Universitas Katolik Parahyangan.
Dimyati, A, & Tarliyah, T. (1999). Operation Research Model-Model
Pengambilan Keputusan. Bandung: PT Sinar Baru Algesindo.
Djauhari, M. (1997). Statistika Matematika. Bandung: Fakultas Matematika dan
Ilmu Pengetahuan Alam, ITB.
Ecker, J, & Kupferschimd, M. (1988). Introduction to Operation Research. New
York: John Wiley & Sons.
Gross, D, & Harris, C. M. (1998). Fundamental of Queuing Theory 3rd. New
York: John Wiley & Sons.
Hadianti, R. (2006). Kapita Selekta Terapan I (Teori Antrian). Bandung: ITB.
Hillier, F.S, & Lieberman, G. J. (2005). Introduction to Operations Research.
New York: McGraw-Hill.
Hines, W. W, & Montgomery, D. C. (1990). Probability and Statistics in
Engineering and Management Science. New York: John Wiley & Sons.
Hogg, R. V, & Tanis, E. A. (2001). Probability and Statistical Inference. 6th. ed.
New Jersey: Prentice Hall International, Inc.
94
Anaviroh

95

Kreyszig, E. (2003). Advance Engineering Mathematics. New York: John Wiley

& Sons.
Medhy, J. (1991). Stochastic Processes. New York: John Wiley & Sons.
Ross, S. M. (1983). Stochastic Processes. New York: John Wiley & Sons.
Sinalungga, S. (2008). Pengantar Teknik Industri. Yogyakarta: Graha Ilmu.
Taha, H. (1982). Operations Research an Introduction. New York: Macmillan
Publishing Co Inc.
Taha, H. (1997). Riset Operasi. (Terjemahan Daniel Wirajaya). Jakarta: Bina
Rupa Aksara.
Thierauf, R. J, & Klekamp, R. C. (1975). Decision Making Through Operations
Research. New York: John Wiley & Sons.
Varberg, D, & Purcell, E. J. (2001). Kalkulus Jilid I. (Terjemahan I Nyoman
Susila). Batam: Interaraksa.
Wagner, H. (1972). Principles of Operations Research With Applications to
Managerial Decisions. London: Prentice-Hall.
Wospakrik, H. (1996). Teori dan Soal-Soal Operations Research. Bandung:
Erlangga.
Winston, W. L. (1994). Operation Research. California: Duxbury Press.

Anaviroh

LAMPIRAN

96

Lampiran 1. Hasil Generate data yaitu Tabel Data Kedatangan Customer, Waktu
Mulai Dilayani dan Waktu Selesai Dilayani.

No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

waktu
kedatangan
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
08:18:22
08:18:22
08:18:22
08:18:22
08:18:22
08:18:22
08:18:22
08:18:22
08:18:22
08:18:22
08:18:22
08:18:22

Anaviroh

Mulai
dilayani
07:35:00
07:37:33
07:40:57
07:42:51
07:44:27
07:44:45
07:46:58
07:49:00
07:52:47
07:54:02
07:56:44
07:57:57
08:00:23
08:01:55
08:03:15
08:04:50
08:15:25
08:20:26
08:23:19
08:23:22
08:28:55
08:29:07
08:31:04
08:34:29
08:35:02
08:38:17
08:39:00
08:40:06
08:40:15
08:41:00

31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62

08:18:22
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28

08:43:10
08:46:50
08:48:22
08:52:12
08:53:39
08:56:57
09:01:29
09:01:38
09:02:37
09:04:57
09:07:15
09:08:17
09:12:10
09:21:16
09:22:30
09:23:55
09:25:58
09:26:06
09:28:05
09:32:05
09:35:23
10:07:29
10:07:49
10:13:34
10:14:22
10:16:30
10:18:43
10:22:59
10:24:15
10:24:22
10:24:32
10:25:10

97

Lanjutan Lampiran 1.

No
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82

waktu
kedatangan
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
11:00:57
11:00:57
11:00:57
11:00:57
11:00:57
11:00:57
11:00:57
11:00:57
11:00:57
11:00:57
11:00:57

Anaviroh

Mulai
dilayani
10:28:05
10:28:16
10:30:48
10:31:54
10:33:24
10:34:05
10:34:10
10:32:25
10:32:40
11:01:00
11:12:23
11:14:02
11:14:15
11:16:18
11:16:47
11:19:10
11:20:30
11:21:14
11:33:10
11:34:40

83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104

11:00:57
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51

11:36:50
11:40:00
11:41:51
11:47:00
11:50:23
11:51:33
11:53:06
11:53:40
12:01:00
12:02:30
12:02:50
12:05:33
12:07:40
12:11:00
12:14:13
12:15:08
12:18:10
12:23:40
12:25:40
12:25:56
12:27:00
12:31:04

98

Lampiran 2. Uji Kesesuaian Distribusi Kedatangan Customer dan Waktu Pelayanan

Customer Menggunakan One Sample Kolmogorov Smirnov Test.
1. Uji Distribusi Kedatangan Customer
a. Ukuran Kelompok yang Masuk Sistem Antrian
Tabel Ukuran Kelompok dan Waktu antar Kedatangan tiap Kelompok
Kedatangan Ukuran
keKelompok

Waktu antar
kedatangan

18

00:48:22

13

00:13:05

20

01:36:01

20

00:53:29

12

00:25:54

21

Jumlah

104

3:56:51 atau
3,9 jam

Langkah langkah pengujian:

1.
 : Ukuran kelompok berdistribusi Poisson
2.
 : Ukuran kelompok tidak berdistribusi Poisson
3.   0,05
4. Wilayah kritik:
 ditolak jika angka signifikan < 

Anaviroh

99

Lanjutan Lampiran 2.

5. Perhitungan dengan software SPSS

One-Sample kolmogorov-Smirnov Test

ukuran
N

6
a,,b

Poisson Parameter

Mean

17.33

Most Extreme
Differences

Absolute

.209

Positive

.158

Negative

-.209

Kolmogorov-Smirnov Z

.511

Asymp. Sig. (2-tailed)

.956

a. Test distribution is Poisson.

b. Calculated from data.

6. Keputusan:
Hasil pengujian kesesuaian ukuran kedatangan customer diperoleh
angka signifikan
 jadi
 diterima, simpulkan bahwa ukuran
kelompok yang masuk ke dalam sistem antrian berdistribusi Poisson,
dengan rata rata 17,33

Anaviroh

100

Lanjutan Lampiran 2.

b. Laju Kedatangan Customer

Laju kedatangan customer
No

Waktu

Jumlah Kedatangan

07.30-08.29

08.30-09.29

09.30-10.29

10.30-11.29

Langkah langkah pengujian:

1.
 : Laju kedatangan customer berdistribusi Poisson
2.
 : Laju kedatangan customer tidak berdistribusi Poisson
3.   0,05
4. Wilayah kritik:
 ditolak jika angka signifikan < 

Anaviroh

101

Lanjutan Lampiran 2

5. Perhitungan dengan software SPSS

One-Sample Kolmogorov-Smirnov Test

Jml
kdatangan
N

Poisson Parametera,,b

Mean

1.50

Most Extreme
Differences

Absolute

.223

Positive

.191

Negative

-.223

Kolmogorov-Smirnov Z

.446

Asymp. Sig. (2-tailed)

.989

a. Test distribution is Poisson.

b. Calculated from data.

6. Keputusan:
Dari output tersebut angka signifikan lebih besar dari , yaitu 0,989
> 0,05 jadi
 diterima, simpulkan laju kedatangan customer
berdistribusi Poisson dengan rata rata 1,5

Anaviroh

102

Lanjutan lampiran 2

2. Uji Distribusi Waktu Pelayanan

Berdasarkan lama waktu pelayanan pada tabel 3.4, dilakukan uji distribusi waktu
pelayanan sebagai berikut.
Langkah langkah pengujian:
1.
 : Waktu pelayanan customer berdistribusi Eksponensial
2.
 : Waktu pelayanan customer tidak berdistribusi Eksponensial
3.   0,05
4. Wilayah kritik:
 ditolak jika angka signifikan < 
5. Perhitungan dengan software SPSS

One-Sample Kolmogorov-Smirnov Test

pelayanan
N

104

Exponential
parameter.a,,b

Mean

Most Extreme
Differences

Absolute

.070

Positive

.070

Negative

-.036

Kolmogorov-Smirnov Z

.715

Asymp. Sig. (2-tailed)

.686

a. Test Distribution is Exponential.

b. Calculated from data.

Anaviroh

0:02:04.04
8

103

Lanjutan lampiran 2

6. Keputusan:
Dari output tersebut angka signifikan lebih besar dari , yaitu 0,686 >
0,05 jadi
 diterima, simpulkan bahwa waktu pelayanan

customer

berdistribusi Eksponensial dengan rata rata waktu pelayanan tiap

customer adalah 00:02:04 2,067 menit. Jadi
jam, berarti = 29 customer/ jam.

Anaviroh

 2,067 menit = 0,034

104

Lampiran 3. Tampilan Langkah Langkah Penggunaan Software WINQSB untuk

Penyelesaian Masalah Antrian dengan Pola Kedatangan Berkelompok.
1. Tampilan membuka aplikasi dengan cara klik Start > Program > WinQSB >
Queuing Analysis

2. Tampilan awal dari WinQSB

Anaviroh

105

Lanjutan Lampiran 3.

3.

Tampilan pilihan menu Simple M/M system dan General Queuing System

4. Tampilan kolom yang harus diisi

Anaviroh

106

Lanjutan Lampiran 3

5. Tampilan setelah kolom diisi kemudian

Anaviroh

107

Lanjutan lampiran 3

6. Tampilan hasil analisis WinQSB

Anaviroh